这里有些具体，严格来说，问题不是关于聚类（即发现底层数据结构），而是针对具有一般相似性约束的分区，在这个范围内，这个任务通常被称为平衡聚​​类。最后在术语方面帮助一个前进：我们关心“集群基数”，即集群中元素的数量。

一个近似的（几乎）开箱即用的解决方案可以使用$k$- 表示稍作修改；ELKI数据挖掘软件有一个关于如何执行相同大小的很好的教程$k$- 表示变体，它包含 Java 中的示例。无需赘述，我们初始化我们的聚类$k$- 表示变体$k=\frac{n}{p}$均值/质心，$p$是预期的集群基数。然后分配到$p$每个集群的元素并向前迭代此过程。这本质上是一个与“香草”中所做的相同的EM 程序$k$-意味着但在$E$步骤（期望 - 标签分配）。该链接非常小心地展示了整个过程。

综上所述，对问题的正式处理并非易事，关于该主题的技术工作有些稀疏。基本上，我们需要将这个问题重新表述为具有某些离散约束的优化任务。对于初学者，我建议您查看：Malinen 和 Fränti 的Balanced K-Means for Clustering (2014) 以及 Lin 等人的Balanced Clustering: A Uniform Model and Fast Algorithm (2019)。不幸的是，我没有在这些论文中看到任何精选的 Python 实现。您可能想直接与作者联系。

@Eyal Shulman 的python 解决方案提供了一种 K-means 方法，允许定义集群基数。