知识卡片
特征向量嵌入后按行聚类
谱聚类构图后取拉普拉斯最小k个特征值对应向量作列,形成n×k嵌入;按所用归一化算法对每行缩放,再对代表节点的行向量做K-means。不要对k个列向量聚类,也不能混用不同拉普拉斯的特征向量规则。低维表示便于分组,不自动证明全局最优图切割。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 机器学习:分布式算法 · 查看原书依据
矩阵V 的每一行代表数据点在k 维空间的压缩表示,对矩阵V 按行采取K-means聚类,即可得到最终的k 个聚类结果。通常在进行谱聚类的时候会对V 进行如下归一化形成矩阵U :
参考来源
- 位置:《大数据日知录:架构与算法》第16章《机器学习:分布式算法》,原文段落139,OEBPS/text00021.html。
- 结论依据:原书给出的机制、公式或算法与其适用范围;实验百分比和2014年系统状态不当作当前普遍保证。原文过度概括据第一手资料限定:[原始资料](https://arxiv.org/abs/0711.0189)。
- 原始内容:矩阵V 的每一行代表数据点在k 维空间的压缩表示,对矩阵V 按行采取K-means聚类,即可得到最终的k 个聚类结果。通常在进行谱聚类的时候会对V 进行如下归一化形成矩阵U :