在数据/聚类中寻找共同组

Question

分组数据

我有一组项目，我想根据它们通常一起出现的方式将它们分成集群。例如，如果我有以下数据：

{a:1, b:1, c:0, d:0}
{a:1, b:1, c:0, d:0}
{a:1, b:1, c:1, d:0}
{a:0, b:0, c:1, d:1}

我们可以将 a 和 b 组合在一起，因为它们总是具有相同的值。 C 和 D 将各自位于各自的集群中，因此我们最终会得到 3 个可以 100% 准确表示此数据的集群。

此外，我想牺牲准确性来减少子组的数量。例如，通过上述数据集，我们可以将 A 和 B 分到一个没有准确度损失的集群中，将 C 和 D 分到一个准确度损失较小的集群中。

基本上，我想将数据分组到给定数量的最佳集群中，并能够通过这样做来计算准确性损失。

初步想法

几年前我参加了机器学习课程，所以我知道这很危险，但我不知道从哪里开始。 Some form of clustering，比如混合模型，或者层次聚类似乎是正确的方向？

Answer 1

您要查找的内容通常称为项集挖掘、关联规则学习或亲和力分析。

（名称不佳）Apriori algorithm 是用于此类分析的较早且最常用的算法之一，其中包括“牺牲准确性”以减少子组数量的方法。

既然您已经掌握了适当的词汇，您应该能够找到许多 APriori 的教程和实现，因为它是一个“经典”算法/解决方案，以及更多用于此类工作的算法。