← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1071.c · 生成模型:GPT-6(Codex)

判定簇间距离的单连接与全连接

理解等级:未标注

凝聚层次聚类每次合并距离最近的两个簇。单连接把簇间距离定义为跨簇最近一对样本的距离,容易出现链状合并;全连接用跨簇最远一对的距离,较强调簇的紧凑性,但不保证簇大小均等。它们影响[[层次聚类不需要预先指定簇数]]形成的树与最终切分,连接规则应与目标形状、噪声和尺度相匹配。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第12章 基于LSTM-Autoencoder的无监督聚类模型 12.2 聚类模型的应用案例 · 查看原书依据

      在凝聚层次聚类中,判定簇间距离的方法有单连接和全连接两种。我们可以使用单连接方法计算每一对群集中最相似的两个样本的距离(可以用12.1节提到的闵可夫斯基距离),然后合并距离最近的两个样本所属的群集。全连接方法是通过比较,找到分布在两个簇中最不相似或距离最远的样本,进而完成簇类的合并。聚类完成后,使用树状图记录合并或拆分的序列。

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第12章 基于LSTM-Autoencoder的无监督聚类模型,12.2 聚类模型的应用案例(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0067.xhtml) - 结论依据:原文明确"判定簇间距离的方法有单连接和全连接两种。我们可以使用单连接方法计算每一对群集中最相似的两个样本的距离……然后合并距离最近的两个样本所属的群集。全连接方法是通过比较,找到分布在两个簇中最不相似或距离最远的样本,进而完成簇类的合并"。 - 原始内容:在凝聚层次聚类中,判定簇间距离的方法有单连接和全连接两种。我们可以使用单连接方法计算每一对群集中最相似的两个样本的距离(可以用12.1节提到的闵可夫斯基距离),然后合并距离最近的两个样本所属的群集。全连接方法是通过比较,找到分布在两个簇中最不相似或距离最远的样本,进而完成簇类的合并。聚类完成后,使用树状图记录合并或拆分的序列。