Algorithm 凝聚聚类和分裂聚类最终能得到相同的结果吗?

Algorithm 凝聚聚类和分裂聚类最终能得到相同的结果吗?,algorithm,cluster-analysis,hierarchical-clustering,unsupervised-learning,Algorithm,Cluster Analysis,Hierarchical Clustering,Unsupervised Learning,现在,我知道凝聚是自下而上的方法,而分裂是自上而下的方法。然而,我不知道他们在具体的过程中有什么不同。例如,它们是否都使用邻近矩阵来计算样本之间的任何成对距离?此外,如果我设置所有相同的参数,如相同的链接标准、相同的目标聚类数……它们最终会得到完全相同的结果吗?聚集聚类和分裂聚类是聚类范式,而不是特定的算法。一般来说,不同的算法将返回不同的树状图,但不一定。这里有两个返回相同的树状图(假设所有距离都不同): 凝聚聚类:使用属于不同聚类的最近点对重复连接两个聚类 分裂聚类:重复分割每个聚类,以最

现在,我知道凝聚是自下而上的方法,而分裂是自上而下的方法。然而,我不知道他们在具体的过程中有什么不同。例如,它们是否都使用邻近矩阵来计算样本之间的任何成对距离?此外,如果我设置所有相同的参数,如相同的链接标准、相同的目标聚类数……它们最终会得到完全相同的结果吗?

聚集聚类和分裂聚类是聚类范式,而不是特定的算法。一般来说,不同的算法将返回不同的树状图,但不一定。这里有两个返回相同的树状图(假设所有距离都不同):

  • 凝聚聚类:使用属于不同聚类的最近点对重复连接两个聚类

  • 分裂聚类:重复分割每个聚类,以最大化属于分割不同侧面的最近点对之间的距离


  • 结果表明,这两种聚类算法都产生了最小生成树。

    聚集聚类和分裂聚类是聚类的范例,而不是特定的算法。一般来说,不同的算法将返回不同的树状图,但不一定。这里有两个返回相同的树状图(假设所有距离都不同):

  • 凝聚聚类:使用属于不同聚类的最近点对重复连接两个聚类

  • 分裂聚类:重复分割每个聚类,以最大化属于分割不同侧面的最近点对之间的距离


  • 事实证明,这两种聚类算法都会生成最小生成树。

    感谢您的回复,但具体的除法算法是什么?我知道凝聚聚类包括CURE,Cameleon,那么除法算法呢?谢谢你的回复,但是具体的除法算法是什么?我知道凝聚聚类包括CURE,Cameleon,那么分裂算法呢?