基于cluster::clara的k-medoids多区域分类标签对齐方法咨询

出现标签翻转的核心原因是聚类输出的标签仅为簇的序号，无实际语义，不同样本集独立聚类时序号分配规则不固定，二分类场景下极易出现标签反转的情况。你可以采用基准锚定映射法解决该问题，无需合并全量数据，内存开销和原有实现基本一致，适配9万级区域的处理需求。

具体实现逻辑 #

• 先选取第一个区域（或任意代表性区域）的聚类中心点作为全局基准，记录两个中心点对应的标签映射关系
• 后续每个区域独立完成clara聚类后，计算当前区域的两个中心点与基准中心点的匹配度，按距离最近原则对齐标签：如果当前簇1更接近基准簇2、当前簇2更接近基准簇1，则翻转当前区域的所有标签
• 最终输出的所有区域标签语义完全一致

修改后的代码示例 #

# Packages
library(cluster)
library(ggplot2)

my_ds <-read.csv("https://raw.githubusercontent.com/Leprechault/trash/main/class_areas_ds.csv")

# Classification based in `R` and `HUE` variables
res<-NULL
areas<-unique(my_ds$ID)
base_meds <- NULL # 存储基准中心点

for(i in 1:length(areas)){
  my_ds_split<-my_ds[my_ds$ID==areas[i],]
  k.medoids.res<-cluster::clara(my_ds_split[,4:ncol(my_ds_split)], 2, metric ="manhattan")
  current_meds <- k.medoids.res$medoids
  current_class <- k.medoids.res$clustering
  
  # 第一个区域作为基准，保存中心点
  if(i == 1){
    base_meds <- current_meds
  } else {
    # 计算两种匹配的总曼哈顿距离
    match_normal <- sum(abs(current_meds[1,] - base_meds[1,])) + sum(abs(current_meds[2,] - base_meds[2,]))
    match_reverse <- sum(abs(current_meds[1,] - base_meds[2,])) + sum(abs(current_meds[2,] - base_meds[1,]))
    # 反向匹配更优则翻转标签
    if(match_reverse < match_normal){
      current_class <- ifelse(current_class == 1, 2, 1)
    }
  }
  
  # 转换为0/1标签，和原逻辑对齐
  current_class <- ifelse(current_class ==1, 0, 1)
  my_ds_split.F<-cbind(my_ds_split, class = current_class)
  res<-rbind(res, my_ds_split.F)
}
res<-as.data.frame(res)

# 后续绘图逻辑不变，输出的两个区域标签已对齐

可选优化方案 #

如果你的聚类特征有明确的业务语义，比如已知高R值对应类别0、低R值对应类别1，可以直接按业务规则重映射标签，无需依赖基准区域：

# 每个区域聚类后，按簇的R值均值排序映射标签
mean_r_by_class <- tapply(my_ds_split$R, current_class, mean)
class_map <- setNames(c(0,1), names(sort(mean_r_by_class, decreasing = TRUE))) # 高R为0，低R为1
current_class <- class_map[as.character(current_class)]

内容的提问来源于stack exchange，提问作者Leprechault