一共300多个样本，分成A B C三类，
每类数量至少10个以上时候，聚类结果比较准确。
  
但是如果其中两类可能数量很少，
比如A 只有1个， B只有1个，C将近300个，这种情况k均值聚类就结果不对。
肉眼看三类数据分布，是很明显的区别。
  
用什么招能解决下？
--
FROM 36.23.192.*

基于密度的聚类试试

【 在 hitmanman (Adam) 的大作中提到: 】
: 一共300多个样本，分成A B C三类，
: 每类数量至少10个以上时候，聚类结果比较准确。
: 但是如果其中两类可能数量很少，
: ...................
--
FROM 182.92.253.*

特征选择的问题。
【 在 hitmanman 的大作中提到: 】
: 一共300多个样本，分成A B C三类，
: 每类数量至少10个以上时候，聚类结果比较准确。
: 但是如果其中两类可能数量很少，
: ...................
--
FROM 123.150.181.*

R语言里的NbClust()看起来能提供一些参考信息，可以输出不同类别数量的多种指标比较。详见https://statsandr.com/blog/clustering-analysis-k-means-and-hierarchical-clustering-by-hand-and-in-r/
--
FROM 124.64.16.*

肉眼很清楚的聚类不是随便做么……  
  
【 在 hitmanman (Adam) 的大作中提到: 】
:  
:    
:  一共300多个样本，分成A B C三类，
:  每类数量至少10个以上时候，聚类结果比较准确。
--
FROM 115.199.182.*