我的任务是找到基于数字尺寸的相似零件 - 直径，厚度 - 和分类尺寸 - 材料，热处理等。我有100万个零件的清单。我作为程序员的方法是将所有部件放在一个列表中，弹出第一部分并将其用作新的“集群”，以根据维度比较列表中的其余部分。由于列表中的一部分与分类维度和数字维度匹配 - 在5％以内 - 我将该部分添加到集群并从初始列表中删除。将列表中的所有部分与初始集群部分的维度进行比较后，我将从列表中弹出下一部分并重新开始，填充集群，直到原始列表中没有剩余部分。这是一种程序化方法。我不确定这是否是将零件分类为“集群”的最有效方式，或者k-means集群是否是更好的方法。
答案 0 :(得分：0)
定义＆＃34;更好＆＃34;。
你所做的似乎与＆＃34;领导者＆＃34;集群。但这是一种非常原始的聚类形式，通常不会产生竞争结果。但是有100万分，你的选择是有限的，并且kmeans不能很好地处理分类数据。
但是在你决定什么是“更好”之前，可能没有什么“错误”。用你贪婪的方法。
一个明显的优化是首先根据分类属性拆分所有数据（正如您希望它们完全匹配）。这只需要对数据集和哈希表进行一次传递。如果你剩下的部分足够小，你可以尝试kmeans（但你会如何选择k），或者DBSCAN（可能使用你已经拥有的相同阈值）。