cluster-analysis - 谱聚类与层次聚类

标签 cluster-analysis data-mining hierarchical-clustering spectral

谁能解释一下使用层次聚类比谱聚类有什么优势吗?我知道它们是如何工作的,但我想知道在哪些情况下使用层次聚类比谱聚类更好。

最佳答案

层次聚类:

  • 这对分类数据很有用。
  • 继续连接相似的点,直到您最终得到一个包含所有数据点的集群。
  • 组合所有数据后得到的分组称为树状图。
  • 根据您想要的聚类数量,您可以在一个级别上切割树状图。

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会失败。
  • 将数据点视为图形的顶点,连接足够接近的顶点。因此,您还选择了一个 ε 值。所有比ε更近的顶点都是连通的。
  • 与层次聚类不同,您不会得到完全连接的单个图(除非您采用高 ε 值并且没有非连接组件)。相反,您会得到多个连接的组件,每个组件代表一个集群。

关于cluster-analysis - 谱聚类与层次聚类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36652937/

相关文章:

python - 查找类似功能/产品组合的模式(最好在 python 中)

performance - Google Maps API v3,大量标记、聚类和性能

python - 黑白图像文档聚类

c# - 预测中的蒙特卡罗模拟?

arrays - SwiftUI 大数组(超过 3 万个元素)需要永远迭代

algorithm - 递增的代表层级结构

python - 如何从 Word2Vec 模型中提取向量进行聚类

data-mining - 获取销售数据以进行数据挖掘

java - 使用什么数据挖掘应用程序?

algorithm - 基于纬度/经度的物流路由和隔离算法