哪种聚类算法适合这项任务？

Question

我想对一组数据进行聚类，如下：

  {[1,2],
   [2,3],
   [3,2],
   [9,8],
   [8,10],
   [7,9,8],
   [7,10,5,9]
   ...
  }

数据没有固定维度。

当 K = 2 时，应将前 3 个元素聚类为一组，将其他 4 个元素聚类为一组。

我了解k-means算法，但问题是它的距离计算不适合我的情况。由于尺寸不同，我使用 Jaccard 距离作为每两个元素的距离。

代替计算手段，一种想法是找到集群的质心。质心是与集群中所有其他点的距离之和最小的点。

我正在根据上面的想法编写程序，实现 k-means++ 聚类。我想要一个稳定的算法（每次运行的输出不应该有很大的不同），应该比较快并且必须使用 Jaccard 距离。

我来这里是为了听取建议，因为这是我第一次做数据聚类，所以也许我错过了一些东西。如果有一个或指出我的错误，请向我推荐一个合适的算法。

Answer 1

而不是 k-means - 它需要固定数量的连续值维度来计算均值 - 为什么不使用更合适的方法

层次聚类

可以与 Jaccard 距离一起使用！