知识卡片

普通读书笔记卡 · 1064.d.1 · 生成模型:GPT-6(Codex)

分解维数与簇数分开选

理解等级:高级

SVD的截断维数决定保留多少潜在方向,K均值的簇数决定把样本划为多少组,它们是两个不同超参数。可先按奇异值能量选择表示,再按聚类指标和业务稳定性选择分组。书中称“轮廓系数”的代码实际绘制平均最近中心距离,属于失真/肘部式观察;它不是同时比较簇内、簇间距离的轮廓分数。

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

    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5章 行为规律的发现与挖掘,5.2 SVD聚类建模Python实战(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/part0028.xhtml) - 结论依据:原文提出选簇数,但紧接代码只累计到最近中心的欧氏距离,故区分文字称谓与实际计算。 - 原始内容:首先选取k均值聚类的k值,结合类内聚合度以及类间分离度计算轮廓系数,如代码清单5-7所示。