知识卡片
k均值之外的四类方法
k 均值假定属性是数值、且“平均”有意义。前提一旦不成立,就要换方法。
分类属性用 k-模式 以属性取值不同的个数度量差异——四维记录 (a, b, e, d) 与 (d, d, d, d) 的距离为 3。它用众数代替均值作簇中心,避免了给颜色编号后强行算距离的荒谬。
要中心是真实对象用 PAM 围绕中心点的划分把簇心限定为数据集中真实存在的一个对象,选使得到簇内其他对象距离总和最小的那个。好处是中心可解释为“一个典型客户”,而不是虚构的平均人。
形状不规则用密度聚类 按点的密集程度成簇,能识别弯曲、环状等非球形结构;k 均值在这种数据上会把一个环形硬切成两半。
要层级用层次凝聚 从每个对象自成一簇开始,反复合并最相似的两簇,直到只剩一簇,得到一棵可切的树,便于在不同粒度上观察分组。前两类仍属划分方法,都要事先给定簇数。
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
- 第4章 高级分析理论与方法:聚类 · 查看原书依据
在分层式凝聚聚类法中,最初每个对象单独作为一个簇,然后最相似的簇进行合并。这个过程一直重复,直到只剩下一个包含了所有对象的簇。
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_003.html)
- 结论依据:4.3 节逐一说明 k-模式以属性差异计数、PAM 以真实对象为中心点、层次凝聚由单点簇反复合并、密度聚类按点浓度识别不规则簇,并指出 k 均值与 k-模式、PAM 同属划分方法。
- 原始内容:在分层式凝聚聚类法中,最初每个对象单独作为一个簇,然后最相似的簇进行合并。这个过程一直重复,直到只剩下一个包含了所有对象的簇。