光谱与Kmeans

Question

是什么使光谱聚类比Kmeans聚类更好？我知道Kmeans聚类是光谱的最后一步。但是，为什么前面涉及到的谱聚类步骤使其成为一种更方便的聚类方法？

Answer 1

谱聚类通常是谱嵌入，其次是谱域的k-均值.

所以，是的，它也使用k-方法。但不是在原始坐标上，而是在一个大致捕捉连通性的嵌入上。它没有最小化输入域中的平方错误，而是在重建邻居的能力上最小化了平方错误。这往往更好。谱聚类不太流行的主要原因是它速度慢(通常需要构建一个O(n平方)亲和矩阵，并且找到特征向量可以达到O(N)时间)，而且在嵌入之前仍然需要依赖原始的距离/相似性来构建输入图。聚类的大部分困难在于处理数据以获得可靠的距离/相似性.

Answer 2

从视觉上讲，k意味着关心距离(欧几里得？)而谱更多地是关于连通性的，因为它是半凸的。

因此，您的问题将指导您使用(几何还是连接)。

请参阅更多信息：https://www.google.es/url?sa=t&source=web&rct=j&url=http://www.cis.hut.fi/Opinnot/T-61.6020/2008/spectral_kmeans.pdf&ved=2ahUKEwj27u_BkM7cAhVSOBoKHZH4DxIQFjACegQICxAP&usg=AOvVaw1wlx7URr__chq6JcteR9np