← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9748.c · 生成模型:DeepSeek-V4.1-Flash

聚类结果的三问诊断

理解等级:中级

WSS 给出的是一串候选 k。属性较少(尤其只有两三个)时,直接把数据画出来,往往比曲线更能判断划分是否成立。看三件事:

簇之间是否分得开 理想的图上各簇成团、彼此留有空白。若簇与簇黏连、边界模糊,说明这个 k 只是把连续分布硬切开,簇的身份可疑。

有没有孤零零的小簇 只含几个点的簇通常是离群点或录入异常。它会把质心拽偏,也让 WSS 看起来有所改善,属于虚假的收益。

质心是否挨得太近 两个质心距离很近,意味着这两块其实是一块,可以考虑合并、减少 k。

再走一步 对界限不清的数据,用更多的簇重跑一次:若 k 变大后簇与簇仍无清晰分界,说明问题不在 k 太小,而在数据本身连续。此时应选更小的 k,并承认聚类只是对连续谱的近似切分,而不是发现了天然类别。

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:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第4章 高级分析理论与方法:聚类(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0014_split_002.html) - 结论依据:4.2.4 节提出以绘图检验簇是否界限分明,并列出三个具体问题;同时用把同一数据集分成 6 簇的例子说明增加簇数未必带来更好的区分。 - 原始内容:使用WSS的启发式方法可以提供多个可能的k值做为参考。当属性的数量比较少时,用来进一步对k的选择进行改进的一种常用方法是绘制数据,以确定识别出的聚类簇之间是否界限分明。