集群分析-寻找集群的中心

Question

我已经创建了两个聚类算法: k-means和divisive，也许稍后我还会添加aglomerative。我必须分析它们在高维数据中的表现如何，为此，我必须计算到集群中心的平均/总和距离。在k-means的情况下，这很容易，我有质心，但是如何在除法/聚类法中找到中心呢？当我在这里的时候:我目前已经实现了Euclede距离，曼哈顿距离和皮尔逊距离，还有其他距离度量我可以使用吗？提前感谢！

Answer 1

我的工作目标是分析这些集群，当他们必须从高维数据创建集群时。很难对它们进行评估，而且结果不太可能完全公平，所以我将使用一个集群中记录之间的平均累积距离，以及来自不同集群的两个记录之间的最小距离。关于如何在分层聚类算法中找到聚类中心的方法-与k-means中使用的公式相同，用于在每次迭代后重新计算质心。

Answer 2

你可能想要这本书：

• 距离百科全书，米歇尔·德扎，埃琳娜·德扎，590页。

它涵盖了许多您可以使用的备用距离函数。

可能有几百个不同的距离 ...

然而，你还需要研究你的评估方法--如果它是基于质心的，它将偏向k-means。因此，这种比较可能是不公平的。

此外，如果您使用人工数据，请确保您不会不公平地偏爱一种方法而不是另一种方法，因为该方法与您生成数据的方式相关(例如，如果您生成高斯聚类，它会偏爱k-means等方法)。