知识卡片

普通读书笔记卡 · 9833.g · 生成模型:DeepSeek-V4.1-Flash

三种簇间距离改变合并顺序

理解等级:中级

凝聚聚类每一步都要回答”哪两个簇最近”,而”簇与簇的距离”并没有唯一答案——它取决于你取两个簇中的哪两点来量。三种常见定义:

名称 定义 抗噪 计算量
最小距离(单链接) 由两簇中最近的一对样本决定 弱 小
最大距离(全链接) 由两簇中最远的一对样本决定 强 大
平均距离 由两簇所有样本共同决定,原文以其簇中心间距离实现 强 大

差别不是理论上的细节,而是会直接改变合并结果。原文的例子是:样本已被分成三类、现在要合成两类,若按最小距离,应合并上方两类(它们有最近的样本对);若按平均距离,应合并右侧两类(它们簇中心更近)。同一份数据、同一个目标簇数,只因距离定义不同,得到的聚类就不同。

由此可以记住一条取舍:最小/最大距离计算便宜,但结果容易被噪声点带偏;平均距离抗噪更好,代价是计算量上升。选哪一种,本质上是在回答”你认为簇的边界应该由最接近的点决定,还是由整体形状决定”。

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:《机器学习基础:从入门到求职》第12章《第12章 聚类》(源文件:extracted/机器学习基础:从入门到求职/_epub-src/OEBPS/text00015.html) - 结论依据:原文给出最小距离、最大距离、平均距离三种度量,并用图12-6 的例子说明两种度量会合并不同的类,最后总结三者在抗噪与计算量上的利弊。 - 原始内容:实际上,这些聚类方式各有利弊。综合来说,若采用最小距离或最大距离,则聚类结果可能受噪声点的影响较大,但计算量较小;若采用平均距离,则抗噪声能力较强,但计算量会增大。