### 实现思路 在 `sklearn` 的 KMeans 中并没有直接提供参数来确保每个簇内相邻数据点的数量超过特定阈值。然而，可以通过调整聚类数和其他策略间接达到这一目标。 一种常见做法是在执行 KMeans 后检查各簇中的样本数量，并根据需求重新设定聚类数目再次运行 KMeans 或者通过预处理阶段增加数据密度以满足条件。具体来说，在完成初步聚类之后，统计各个类别下的成员数量： ```python import pandas as pd from sklearn.cluster import KMeans kms = KMeans(n_clusters=k_value) # k_value 是预先选定的聚类数目 kms.fit(data) # 统计各类别下有多少个数据点 cluster_sizes = pd.Series(kms.labels_).value_counts() print(cluster_sizes) ``` 当发现某些簇中元素不足十个时，可考虑减少总聚类数目再试一次，直至所有簇都符合条件为止[^1]。 另一种更灵活的方式是利用层次聚类或其他能够动态控制簇大小的方法先行分组，然后再应用 KMeans 进行最终划分。此外还可以尝试对原始数据集进行采样增强，使得稀疏区域变得更加密集从而更容易形成较大的簇[^2]。 对于强制性要求最小簇规模的应用场景，建议自定义适合业务逻辑的解决方案而非单纯依赖标准库函数实现此功能。 ```python def ensure_min_cluster_size(X, min_samples_per_cluster=10): """ 尝试找到合适的k值使每个簇至少含有min_samples_per_cluster个样本 参数: X (array-like): 输入特征矩阵 min_samples_per_cluster (int): 单个簇所需的最少样本量 返回: tuple: 最佳k值以及对应的KMeans模型实例 """ from math import ceil best_k = None optimal_model = None max_possible_clusters = int(len(X)/min_samples_per_cluster)+1 for potential_k in range(ceil(max_possible_clusters/2), max_possible_clusters): model = KMeans(n_clusters=potential_k) labels = model.fit_predict(X) sizes = pd.Series(labels).value_counts() if all(s >= min_samples_per_cluster for s in sizes.values): best_k = potential_k optimal_model = model break return best_k, optimal_model ```