Cómo complementar los resultados del análisis de agrupamiento con grupos conocidos

Question

Tengo ciertos conocimientos previos sobre agrupaciones, pero esto puede ser incorrecto o no ser suficiente ya que necesito un mayor número de grupos (es decir, subgrupos). Por ejemplo, en los siguientes datos tengo 3 grupos además de dos variables. Me gustaría usar la información de agrupación (como conocimiento previo) (aquí 3 grupos) para crear grupos significativos (aquí 9 grupos/clústeres). ¿Existe una forma correcta de realizar este análisis?

# Datos Dummy 
group <- rep(1:3, each =3000)
X <- c(rnorm(1000, 0.1, 0.04), rnorm(1000,0.2, 0.04), rnorm(1000, 0.4, 0.02),
       rnorm(1000, 0.4, 0.04), rnorm(1000,0.5, 0.08), rnorm(1000, 0.6, 0.12), 
       rnorm(1000, 0.7, 0.08), rnorm(1000,0.8, 0.1), rnorm(1000, 0.9, 0.06)
)

Y <-  c(rnorm(1000, 0.5, 0.04), rnorm(1000,0.6, 0.04), rnorm(1000, 0.7, 0.04),
       rnorm(1000, 0.35, 0.12), rnorm(1000,0.45, 0.04), rnorm(1000, 0.3, 0.02), 
       rnorm(1000, 0.55, 0.09), rnorm(1000,0.65, 0.12), rnorm(1000, 0.65, 0.04)
)

Información previa de 3 clústeres:

col = c("red", "cyan", "green")
plot(cbind(X,Y), col = col[group], pch = ".")

Análisis de agrupamiento asumiendo 9 clústeres.

cl <- kmeans(cbind(X,Y), 9)

colrs <- c("red","purple", "yellow", "tan", "pink", "cyan", "blue", "green", "black")
plot(cbind(X,Y), col = colrs[cl$cluster], pch = ".")

Answer 1

Esto es conocido en la literatura como clustering de restricciones.

Puedes especificar "restricciones", a menudo en forma de

• enlace obligatorio, es decir, dos objetos que deben estar en el mismo grupo
• enlace prohibido, es decir, dos objetos que no deben estar en el mismo grupo

Es todo un subdominio (aunque pequeño) del clustering.