|
马上就是假期结束了......实际上，从高铁刚进汕头，我便想要回广州啦。有太多的原因不想回到汕头放个假，当然有更多的原因，必须回来待上几天。 层次聚类，或者说其中的一种，R语言的hclust算法 相比于前面说的Kmeans, hclust的算法是 直接！粗暴！分分钟可以实现，没有随机化，稳定，其实也挺快的。。。然而看数据量吧... 逻辑有两种，一种是不断的聚合，一种是不断的分离，常见的是不断的聚合。 1. 每一个样本作为一个Cluster，声明 2. 计算所有Cluster之间的距离，合并距离最近的两个Cluster（注：如果要构树的话，那么这两个是最底层的两枝） 3. 重复2. 直到聚合了所有Cluster 4. 结束并输出 其中值得折腾的，只有两个距离 1） 样本点和样本点之间的距离计算：欧式距离，闵式距离，1-person等，这些比较简单，就不介绍了 2）Cluster与Cluster之间的距离计算：常用的有 a. 最长距离法（complete）: 两个Cluster的距离 为 两个Cluster中样本点两两间距离的 最大值 b. 最短距离法（single）: 两个Cluster的距离 为 两个Cluster中样本点两两间距离的 最小值 c. 平均距离法（average）： 两个Cluster的距离 为 两个Cluster中样本点两两间距离的 平均值 d. 中位数距离法（median）... 其中a. b. 容易受异常值的影响....其实这个和我们用不同均值对样本进行评估的优点和弊端是一致的....所以....似乎average才是相对稳定，然而，大部分时候，比如R语言的hclust函数， 用的是complete.... |
|
|
