一些聚類問題

假設我們是一家大型零售公司, 客戶分布在全國各地. 為了方便管理和提供更好的服務, 我們需要把客戶按照地理位置進行分類, 例如按城市或街道的維度把客戶劃分成 區塊, 每個區塊是客戶的集合. 主要考慮如下因素:

  • 區塊包含客戶的地理位置盡可能集中
  • 區塊大小(客戶數量)有限制
  • 客戶有權重, 例如客戶分為普通客戶和VIP客戶.

下文總結幾個可能需要求解的聚類問題.

問題列表

1. 等量的聚類問題(Equal-size clustering or balanced clustering)

給定點集X=\{\boldsymbol{x_1}, \boldsymbol{x_2}, ..., \boldsymbol{x_n}\}, 其中每個點是一個d維實向量. 給定常數kn \mod k =0. 我們把X劃分(Partition)成k個"等量"的子集S_1, S_2, ..., S_k. 令\boldsymbol{\mu_i}代表S_i的均值, 我們的目標是:
\min \sum_{i=1}^k\sum_{\boldsymbol{x}\in S_i}||\boldsymbol{x} - \boldsymbol{\mu_i}||^2.

2. 限容的聚類問題(Size-constrained clustering)

給定點集X=\{\boldsymbol{x_1}, \boldsymbol{x_2}, ..., \boldsymbol{x_n}\}, 其中每個點是一個d維實向量. 給定常數LB, UBLB\leq UB. 我們把X劃分(Partition)成k個"滿足容量限制"的子集S_1, S_2, ..., S_k, 即LB \leq |S_i|\leq UB, \forall i. (注意: k不是輸入參數.) 令\boldsymbol{\mu_i}代表S_i的均值, 我們的目標是:
\min \sum_{i=1}^k\sum_{\boldsymbol{x}\in S_i}||\boldsymbol{x} - \boldsymbol{\mu_i}||^2.

3. 限權的聚類問題(Weight-constrained clustering)

給定點集X=\{\boldsymbol{x_1}, \boldsymbol{x_2}, ..., \boldsymbol{x_n}\}和權重w_1, w_2, ..., w_n, 其中每個點是一個d維實向量. 給定常數LB, UBLB\leq UB. 我們把X劃分(Partition)成k個"滿足容量限制"的子集S_1, S_2, ..., S_k, 即LB \leq w(S_i)\leq UB, \forall i, 其中w(S_i)代表S_i對應的權重之和. (注意: k不是輸入參數.) 令\boldsymbol{\mu_i}代表S_i的均值, 我們的目標是:
\min \sum_{i=1}^k\sum_{\boldsymbol{x}\in S_i}||\boldsymbol{x} - \boldsymbol{\mu_i}||^2.

說明

1. 計算復雜性

  • 我們知道k-means是NP-hard. 甚至當k=2[1]以及平面上的k-means也是NP-hard[2]. 與k-means相比, 問題1要求每個聚類(cluster)的元素個數相同. 那么它的復雜性也是NP-hard嗎?
  • 如果上述問題限制在 平面上的二維向量, 其計算復雜性是否NP-hard? 這是我們在實際應用中關心的問題.
  • 問題1是問題2的特殊情況: 令LB=UB=n/k.
  • 問題2是問題3的特殊情況: 令w_i=1, \forall i.

2. 優化目標

  • 上述3個問題的目標函數都是相同的,即最小化中心點到聚類點的距離(L_2范數)之和. 我們也可以考慮其它的優化目標, 例如最小化最大半徑. 甚至也可以考慮用圖的方式對上述問題建模(參考k-median, k-center).
  • 在實際應用中, 我們期望做到每個類盡量集中. 因此, 無論上述問題用什么優化目標, 我們真正期望的不一定是最優解, 而是讓結果"看起來"可以接受. 從計算角度來看, 我們希望高效且解的質量可以接受的算法.
  • 從建模的角度來看, 我們是否有可能找到一種建模方式, 例如找到一種目標函數, 使得問題本身的計算復雜性可以降低成P問題? (且在實際中我們能接受這樣的目標)

參考文獻


  1. M. Garey, D. Johnson, H. Witsenhausen. The complexity of the generalized LIoyd - Max problem. IEEE Transactions on Information Theory. 28(2): 255-256, 1982. ?

  2. M. Mahajan, P. Nimbhorkar and K.Varadarajan. The planar k-means problem is NP-hard. Lecture Notes in Computer Science. 5431. pp.274-285, 2009. ?

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,461評論 6 532
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,538評論 3 417
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,423評論 0 375
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,991評論 1 312
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,761評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,207評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,268評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,419評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,959評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,782評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,983評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,528評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,222評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,653評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,901評論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,678評論 3 392
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,978評論 2 374