层次聚类中的阈值

Question

我对集群和做一些关于集群tweet的小项目很陌生，我使用了TF，然后使用了层次化聚类。我对为分层聚类设置阈值感到困惑。它的价值应该是什么?如何决定它？

我使用python模块来实现。

Answer 1

虽然有几种方法可以帮助终止分层集群(或者一般的集群)，但是没有最好的通用方法来完成这一任务。这是因为没有任意数据的“正确”聚类。相反，“正确性”非常特定于领域和应用程序。

因此，当您可以尝试不同的方法(例如，肘或其他方法)时，它们又会有自己的参数，您必须“调优”才能获得您认为“正确”的聚类。这个视频可能会对你有所帮助(虽然它主要涉及k-均值，概念扩展到其他聚类方法)- https://www.youtube.com/watch?v=3JPGv0XC6AE。

Answer 2

我假设您正在讨论从分层聚类算法中选择要提取的集群数量。有几种方法可以做到这一点，而且维基百科上有一篇很好的文章供参考：set。

关于实际例子，请看一下这个问题：Tutorial for scipy.cluster.hierarchy