← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9637.n · 生成模型:DeepSeek-V4.1-Flash

Iris层次与K均值对比

理解等级:中级

数据为 Fisher 的 iris:150 株鸢尾,4 个数值特征(花萼长、宽与花瓣长、宽,单位 cm),第 5 列 Species 分三类各 50 株,只用于事后评价——实际聚类数据往往没有标签。箱线图显示各特征在三类间分布不同,setosa 与其他两类区分最明显。R 中用 dist 算欧氏距离、hclust(method=“complete”) 做全连接层次聚类,cutree(k=3) 切 3 类后与 Species 交叉制表:setosa 50 个全对,49 个 virginica 与 23 个 versicolor 同处一类,1 个 virginica 与 27 个 versicolor 另成小类,共错 24 个。改用 kmeans(c.data,3),错分降为 16 个。此例中 K 均值占优,说明不可撤销的合并在两个近邻类边界上更吃亏。

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8章 聚类分析 · 查看原书依据

      可以看到层次聚类将所有的 setosa聚为一类,将49个 virginica 和23个 versicolor 全部聚在第二类,将1个virginica和27个 versicolor 聚在第三类。从错分角度来看,有24个样本聚类错误。

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第8章 聚类分析(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter10_0005.xhtml,8.5.1 Iris数据) - 结论依据:原文给出 iris 的变量说明、dist 与 hclust 全连接聚类的代码、cutree 定 3 类后的交叉表(24 个错分),以及 kmeans 的交叉表与「K-means 优于层次聚类」的结论。 - 原始内容:可以看到层次聚类将所有的 setosa聚为一类,将49个 virginica 和23个 versicolor 全部聚在第二类,将1个virginica和27个 versicolor 聚在第三类。从错分角度来看,有24个样本聚类错误。