这是我的问题模型：
我从数据点列表开始
X = ['Apple','Peach','Orange','Dog','Elephant','Fox','Cat','Mango']
然后我得到了一个监督分类器的输出，它将我引导到诸如之类的类
Y = clf.predict(X) # 'FRUIT','FRUIT','FRUIT','ANIMAL','0','ANIMAL','ANIMAL','FRUIT'
即使在我的分类器没有FN的完美世界中，我也希望能够将我的类分组为更高阶的类
Z = cluster(Y) # 'LIST_OF_FRUITS','LIST_OF_ANIMALS','LIST_OF_FRUITS'
我很难找到能做这样事情的东西，无论有没有标记的例子，因为如果没有定义团队的规模，我看不出如何做到这一点。
此外，我实际上试图解决的一个扩展是，如果所需的分组包含几个不同类型的类，而不仅仅是"水果"的并发列表，而是"晚餐"，通常是0+"MEATS"，0+"VEG"等，理想的解决方案是知道非典型晚餐，可以推断/纠正假阴性，并从分类数据中找到晚餐分组，即：
Y = ['MEAT','0','0','0','0','MEAT','0','VEG','MEAT'] -> ['DINNER'] (1 instance)
这个问题的一些单词包编码应该可以工作，但我不知道如何对分类器1的输出进行分区，这样分区就不会被强制为特定大小的
有什么我可以用的吗？
听起来您只需要使用一个具有多个输出维度的分类器。这在低级别上是受支持的，但您将无法使用许多便利功能。
例如，我有一个模型，它是一个单词袋，它一次为单词袋向量列表(句子)输出4个向量-分类。它们都是线性独立的输出。
另一种选择是为每个输出维度创建多个模型。
我在这里看不到集群。
如果我理解正确，你想分区
[Fruit, Meat, Fruit]
分为两组
[Fruit, Fruit] and [Meat]
在哪一点上，您可能会使用基数？那就用字典数数吧。即，将其聚合到中
{ Fruit: 2, Meat: 1 }
此外，许多语言都有一些语法来迭代唯一值和子集运算符，这样您就可以编写
for x in unique(classification):
subsets[x] = inputdata[classification == x]
无论哪种方式，都不要为此研究集群。这里没有先进的统计分析。它只是在数和选择？