谱聚类与层次聚类

Question

有谁能解释一下，与光谱聚类相比，使用层次聚类有什么好处？我知道它们是如何工作的，但我想知道在哪种情况下使用分层聚类比使用光谱聚类更好。

Answer 1

分层聚类：

• 对分类学数据有较好的应用价值。
• 一直连接相似的点，直到最后有一个包含所有数据点的集群。
• 从组合所有数据后得到的分组来看，它被称为树状图。
• 根据您想要的簇数，您可以在一个级别上减少树状图。

光谱聚类：

• 对于形状复杂的聚类数据，K均值和基于密度的聚类在这些情况下失败。
• 将数据点视为图的顶点，将足够近的顶点连接起来。因此，您还可以选择一个ε值。所有比ε更近的顶点都是连通的。
• 与分层聚类不同，您不会得到一个完全连接的单图(除非您获得一个高ε值，并且没有未连接的组件)。相反，您将得到多个连接组件，每个组件代表一个集群。

Answer 2

层次聚类通常更快，并产生一个很好的树状图来研究。

如果您有一个很好的聚类，那么对于理解Dendrogram是非常有用的。

此外，分层聚类非常灵活。您可以使用不同的距离函数和不同的链接策略。

谱聚类有一个有趣的理论；但是要想工作得很好，您的数据必须由分离良好的"connectedd组件“组成。当你有非常嘈杂的数据时，祝你好运。

Answer 3

• 使用分层集群，您可以获得有关集群bc之间关系的其他信息，您可以将集群划分为不同数量的集群，并查看集群是如何在较低的k处分组的。
• 使用层次结构，您可以计算一次聚类，这取决于数据集的大小可能非常有利，并将结果按不同的k值切片。
• 聚类(一种层次化方法)每次产生相同的结果，不像谱聚类具有随机成分。
• 由于层次性的附加约束，通过剪影和惯性等客观指标，分层方法在任何给定k上的表现通常都比非分层方法差。