parameters - 没有输入参数的聚类数据

标签 parameters machine-learning hierarchical-clustering

这更多的是一个理论问题:

您知道任何不需要任何输入参数(例如簇数或邻域大小等)的聚类算法(平面或分层)吗?换句话说,您只需将数据作为输入提供给算法并获取集群作为输出。

如果就相关论文/文档提供建议,我将很高兴。

最佳答案

自动确定簇的数量确实是一个仍然被认为是开放研究问题的难题。

最先进的聚类技术之一是将数据建模为狄利克雷过程混合,请参阅 Bayesian Hierarchical Clustering ,但这并不是微不足道的,需要扎实的贝叶斯方法背景和马尔可夫链蒙特卡罗 (MCMC) 估计。

该方法可以自动估计簇的数量。

关于parameters - 没有输入参数的聚类数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14756340/

相关文章:

python - 不平衡数据和加权交叉熵

python - 如何在 python - networkx 包中根据边缘的密度和权重找到网络簇

python - 在 scipy.cluster.hierarchy.linkage() 中使用距离矩阵?

machine-learning - 制作多层感知器的训练示例

machine-learning - 如何判断 Weka 的 OneR 分类器对提供的数据集使用哪个属性?

c# - 参数数量可变的扩展方法

postgresql - 使用 PowerQuery 的动态变量

python - 从 scipy 树状图中检索休假颜色

parameters - Rust 标准库闭包参数 : run time or compile time?

java - 限制方法参数值