Julia中K-medoids算法触发AssertionError问题排查求助

错误原因分析 #

AssertionError: !(isempty(grp)) 错误本质是K-medoids算法的:kmpp初始化阶段出现了空簇——即某个初始化的medoid未被分配到任何样本。这种情况通常和以下因素有关：

• Julia Clustering.jl的:kmpp实现对极端数据分布（如大量重复样本、样本高度集中）的鲁棒性弱于sklearn_extra的版本；
• 距离矩阵存在异常值（NaN/Inf），导致样本分配逻辑失效。

分步解决方案 #

• 检查并清洗数据
  先排查是否存在重复场景数据，重复样本会干扰kmpp的簇分配逻辑：

  # 按列去除重复样本（假设data为每行一个特征、每列一个样本的结构）
  unique_data = unique(data, dims=2)
  # 重新计算距离矩阵
  C = pairwise(Euclidean(), unique_data', unique_data')
  

• 更换初始化方法
  改用鲁棒性更强的初始化策略替代:kmpp：

  # 随机初始化
  kmedoids(C, 25, init = :random)
  # 启发式初始化
  kmedoids(C, 25, init = :heuristic)
  

• 验证距离矩阵有效性
  确认距离矩阵无异常值且符合欧氏距离的对称要求：

  # 检查是否存在非有限值（NaN/Inf）
  all(isfinite.(C))
  # 检查矩阵是否对称
  issymmetric(C)
  

  若存在异常值，需先清洗原始数据（如处理缺失值、标准化数据）。

• 临时调整聚类数验证
  先尝试更小的聚类数（如10），若能正常运行，说明原聚类数25与当前数据分布适配性较差。可考虑先通过PCA降维压缩数据特征，再重新执行聚类。

内容的提问来源于stack exchange，提问作者Lyft