将HDBSCAN标签与软聚类结果进行比较
提问于 2017-07-05 22:44:30
我使用HDBSCAN从数据集中获取软集群，如下所示：
clusterer = hdbscan.HDBSCAN(min_cluster_size=10, prediction_data=True)
clusterer.fit(data)
soft_clusters = hdbscan.all_points_membership_vectors(clusterer)
closest_clusters = [np.argmax(x) for x in soft_clusters]soft_clusters是一个数据点属于每个集群的概率的二维数组，因此closest_clusters应该是一个带有数据点最可能属于的标签的数组。然而，当我将closest_clusters和clusterer.labels_ ( HDBSCAN分配数据点的标签)进行比较时，我发现几乎没有一个集群与具有标签的数据点匹配，即标签为3的数据点具有4作为其最接近的集群。
我不确定是我误解了软集群的工作原理，还是代码有问题。如有任何帮助，我们不胜感激！
回答 1
Stack Overflow用户
发布于 2018-06-08 22:01:38
HDBSCAN的作者曾试图解决这个问题，但目前看来，这只是它的工作方式，如果不进行一些重大的重组，就没有办法解决它。以下是他的评论：
深入研究这一点，我认为答案(不幸的是？)这就是“它是如何工作的”。软聚类考虑到样本的距离，以及树中点和每个聚类之间的合并高度。这些最终“错误”的点是位于树中一个分割点上的点--它们与自己的集群具有相同的合并高度(也许这是一个bug，我将进一步研究它)。这意味着我们不会在树上区分它们，就样本的纯环境距离而言，它们更接近“错误”的集群，因此被错误分类。这有点奇怪，但软聚类与硬聚类在根本上略有不同，所以理论上可能会出现类似这样的角落情况。
页面原文内容由Stack Overflow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://stackoverflow.com/questions/44937157
复制
![[每日一题]山？水！](https://ask.qcloudimg.com/http-save/yehe-1659905/06ing8kd7q.jpeg)
腾讯云开发者
