制約ベースのクラスター分析のタイプは何ですか？

制約ベースのクラスタリングは、ユーザーが指定した設定または制約を満たすクラスターを検索します。これは制約の性質に基づいており、制約ベースのクラスタリングでは、さまざまなアプローチの代わりに採用できます。次のような制約のカテゴリがいくつかあります-

• 個々のオブジェクトに対する制約 −クラスター化するオブジェクトに制約を定義できます。たとえば、不動産アプリケーションでは、100万ドルを超える価値のある豪華な邸宅だけを空間的にクラスター化することができます。この制約は、クラスター化されるオブジェクトのコレクションを制限します。前処理（SQLクエリを使用した選択の実装など）によって簡単に管理できます。その後、問題は制約のないクラスタリングの例になります。

• クラスタリングパラメータの選択に関する制約 −ユーザーは、クラスタリングパラメーターごとに目的の領域を設定できます。クラスタリングパラメータは、通常、特定のクラスタリングアルゴリズムに非常に固有です。パラメーターの例には、k-meansアルゴリズムで必要なクラスター数であるkが含まれています。または、DBSCANアルゴリズムのε（半径）とMinPts（ポイントの最小数）。

  このようなユーザーが指定したパラメーターは、クラスタリングの結果を強力に保持できますが、通常、アルゴリズム自体に限定されます。したがって、それらの微調整と処理は、通常、制約ベースのクラスタリングの形式として扱われません。

• 距離または類似度関数の制約 −クラスター化するオブジェクトの明確な属性に対していくつかの距離または類似度関数を定義したり、オブジェクトの限定されたペアに対して異なる距離測度を定義したりできます。たとえば、スポーツマンをクラスタリングする場合、身長、体重、年齢、スキルレベルにいくつかの重み付けスキームを使用できます。

• 個々のクラスターのプロパティに対するユーザー指定の制約 −ユーザーは、結果として得られるクラスターの目的の機能を指定できます。これにより、クラスタリングプロセスを強力に維持できます。

  市内のkserviceステーションの場所を決定したい宅配会社を考えてみましょう。会社には、ユーザーの名前、場所、顧客が会社のサービスを使い始めてからの期間、および平均月額料金を登録するユーザーのデータベースがあります。この場所選択の問題は、顧客の場所に基づいて計算された距離関数を使用して、制約のないクラスタリングのインスタンスとして定式化できます。

  より賢明な方法は、顧客を2つのクラスに分割することです。価値の高い顧客（頻繁に定期的なサービスを必要とする）と通常の顧客（不定期のサービスを必要とする）です。コストを節約し、優れたサービスをサポートできます。マネージャーは次の制約を追加します-

  • 各ステーションは、少なくとも100人の価値の高い顧客にサービスを提供する必要があります。

  • 各ステーションは、最低5,000人の一般顧客にサービスを提供する必要があります。制約ベースのクラスタリングでは、クラスタリング手順中にそのような制約が考慮されます。

• 「部分的」監視に基づく半教師ありクラスタリング −教師なしクラスタリングの品質は、何らかの弱い形式の監視を使用して本質的に改善できます。これは、ペアワイズ制約（つまり、同じまたは異なるクラスターによって所有されているとラベル付けされたオブジェクトのペア）の形式にすることができます。このような制約のあるクラスタリングプロセスは、半教師ありクラスタリングとして知られています。