文|十方 比较分类算法的话,大概考虑这几个维度:时间空间复杂度,鲁棒性,参数敏感性,处理不规则形状,适合的类数量,类间差异(范围大小,样本个数,形状差异) 可以参照一下sklearn网站给出的列表:2.3. Clustering 除了这些聚类方法以外,统计老师讲过一些传统的聚类方法,归属于系统聚类的范畴,先定义观测间的距离和类之间的距离计算方法,然后按照距离把最接近的两个观测(类)合并,直到合并成一个大类为止。 最短距离法: 类间距为两类中最近观测的距离。 最长距离法: 类间距为两类中最远观测的距离。 中间距离法: 类间距为最长距、最短距、类内距离的加权。 重心法: 类间距为两类重心之间的距离 类平均法: 类间距为两类观测之间距离的平均值。 离差平方和法: 将合并后类内方差最小的两类合并 密度估计: 较远的距离设为无穷。较近的两个样本,距离与局部密度成反比。 两阶段密度估计: 用密度估计计算距离,再用最短距离法聚类。 除了以上这些常见方法,值得一提的是去年发在science上的算法 fast search and find of density peaks. 这个方法克服了DBSCAN中不同类的密度差别大,邻域范围难以设定的问题,非常鲁棒,看起来棒棒的。 ps:如果希望聚的效果好,距离度量方法有时候比聚类方法更重要。 End. 转载请注明来自36大数据():36大数据 ? 基础篇:数据挖掘的聚类算法和优势 |
|