自动聚类算法确定cluster数目的方法

from http://hi.baidu.com/bittnt/item/857a51e404e8b2b72f140b19

1. 通过cross-validation方式。就是在每个可能的聚类数目K下都对数据进行聚类，然后通过某种度量方式判断哪个K下的聚类更“好”，目前常见的度量方式包括cluster stability, gap statistic等等。

2. 利用Dirichlet Process来动态的自动确定cluster数目。用Chinese restaurant process来讲比较直观，也就是当有一个新的instance（客人）来的时候，会通过概率判断新开一桌（也就是新的聚类）还是将这个 instance放到某个已经有的桌子上。这是Bayesian派的来法。

3. 利用reversible-jump技术自动确定cluster数目。其思想比较类似于DP，不过在技术上是通过实施trans-dimensional变换来实现自动确定聚类个数。据说是属于Frequentist派的来法。

此外，也有一些以自动判定聚类数目作为卖点的聚类方法，例如Affinity Propagation等，本质上是将聚类问题纳入到factor graph框架下来解决。