数据分组

我有一组项目，我想根据它们通常一起出现的情况将其分成不同的聚类。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归为一组，因为它们总是具有相同的值。C和D各自属于不同的聚类，因此我们最终会得到3个聚类，可以100%准确地表示这些数据。

此外，我希望牺牲一些准确性来减少子群体的数量。例如，对于上述数据集，我们可以将A和B归为一组而不会损失准确性，而将C和D归为一组会略有损失准确性。

基本上，我希望将数据分成给定数量的最优聚类，并且能够计算这样做的准确性损失。

初步想法

几年前我上过一门机器学习课程，所以我知道的足够危险，但我不知道从哪里开始。某种形式的聚类，如混合模型或层次聚类，似乎是正确的方向？

回答：

你所寻找的通常被称为项目集挖掘、关联规则学习或亲和性分析。

（命名不佳的）Apriori算法是这种分析中较早且最常用的算法之一，并且包括了“牺牲准确性”以减少子群体数量的方法。

现在你有了正确的术语，你应该能够找到许多关于Apriori的教程和实现，因为它是一个“经典”的算法/解决方案，以及更多用于此类工作的算法。