Cluster analysis 谱聚类与层次聚类
有人能解释一下,使用层次聚类比光谱聚类有什么优势吗?我知道它们是如何工作的,但我想知道在什么情况下使用层次聚类比光谱聚类更好。层次聚类通常更快,并生成一个很好的树状图进行研究 如果你有一个好的聚类,树状图是非常有用的 此外,层次聚类非常灵活。您可以使用不同的距离函数和不同的链接策略Cluster analysis 谱聚类与层次聚类,cluster-analysis,data-mining,hierarchical-clustering,spectral,Cluster Analysis,Data Mining,Hierarchical Clustering,Spectral,有人能解释一下,使用层次聚类比光谱聚类有什么优势吗?我知道它们是如何工作的,但我想知道在什么情况下使用层次聚类比光谱聚类更好。层次聚类通常更快,并生成一个很好的树状图进行研究 如果你有一个好的聚类,树状图是非常有用的 此外,层次聚类非常灵活。您可以使用不同的距离函数和不同的链接策略 谱聚类有一个有趣的理论;但要真正工作良好,您的数据必须已经由分离良好的“连接的EDD组件”组成。当您有非常嘈杂的数据时,祝您好运。分层聚类: 它适用于分类数据 继续连接相似的点,直到最终得到一个包含所有数据点的集群
谱聚类有一个有趣的理论;但要真正工作良好,您的数据必须已经由分离良好的“连接的EDD组件”组成。当您有非常嘈杂的数据时,祝您好运。分层聚类:
- 它适用于分类数据
- 继续连接相似的点,直到最终得到一个包含所有数据点的集群
- 根据组合所有数据后得到的分组,它被称为树状图
- 根据需要的簇数,可以在一个级别上剪切树状图
光谱聚类:
- 它适用于形状复杂的聚类数据,因为K-均值和基于密度的聚类在这些情况下失败
- 将数据点视为图形的顶点,连接足够近的顶点。因此,还可以选择ε值。所有比ε更接近的顶点都是连接的
- 与层次聚类不同,您不会得到完全连通的单个图(除非您采用高ε值并且没有非连通组件)。取而代之的是多个连接的组件,每个组件代表一个集群