有哪些方法可以用来评估不同聚类算法之间的相似性？
有哪些方法可以用来评估不同聚类算法之间的相似性？
提问于 2020-06-12 22:54:02
我正在进行广泛的客户细分分析，到目前为止实现了高斯混合模型、K均值和分层聚类。在大多数情况下，算法在簇的结构和数目(7-8)上达成一致。我想知道是否有一种共同的方法.
- 比较簇间的相似性。你能将调整后的兰德指数应用于同一数据的两个不同的聚类(k-均值集群vs gmm)吗？我当时的印象是ARI是在你知道数据真相的情况下使用的。
- 在集群中找到共同的集群。如果所有的算法都说一个集群是由高开销定义的，那么是否有一种方法可以确定最佳质心(S)用于一个“主”集群？聚类结果是常见的吗？
回答 1
Data Science用户
发布于 2020-06-13 13:47:45
如果您只想看看两个算法之间的集群有多相似，那么使用sklearn.metrics.adjusted_rand_score()函数是一个很好的起点。这将适用于无监督的学习，不需要标签。
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.adjusted_兰德_score.html
还是你在考虑从整体上选择最好的组合组合？我认为“集群”结果不是一种常见的方法，但是网上有几篇文章讨论如何做到这一点。但我不知道有什么包裹能帮到你。一种想法是为每个算法创建一个新列，并选择分组，然后对这些列进行一些比较或计算，以获得最终的复合聚类。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/75923
复制相关文章
相似问题
腾讯云开发者
