基于图的聚类分析研究—张涛
【磐创AI导读】:本文介绍了常用的聚类算法及聚类算法评价指标。想要获取更多的机器学习、深度学习资源,欢迎大家的公众号:磐创AI。
·指定k个聚类中心
·(计算数据点与初始聚类中心的距离)
·(对于数据点,找到最近的{i}ci(聚类中心),将分配到{i}ci中)
·
·每个样本作为单独的一个类别
·
·将数据集合X划分多层网格结构,从某一层开始计算
·查询该层网格间的属性值,计算属性值与阈值的关系,判定网格间的相关情况,不相关的网格不作考虑
·如果网格相关,则进入下一层的相关区域继续第二步,直到下一层为最底层
·返回相关网格结果
·输入数据集合X,随机选取一点,并找出这个点的所有高密度可达点
·遍历此点的所有
·数据集合
,权重向量为,,归一化处理·计算邻接矩阵
,度矩阵,一个好的聚类方法可以产生高品质簇,是的簇内相似度高,簇间相似度低。一般来说,评估聚类质量有两个标准,内部质量评价指标和外部评价指标。
内部评价指标是利用数据集的属性特征来评价聚类算法的优劣。通过计算总体的相似度,簇间平均相似度或簇内平均相似度来评价聚类质量。评价聚类效果的高低通常使用聚类的有效性指标,所以目前的检验聚类的有效性指标主要是通过簇间距离和簇内距离来衡量。这类指标常用的有CH(Calinski-Harabasz)指标等
CH指标定义为:
簇内点对的平均距离反映了簇的凝聚度,一般使用组内误差平方(SSE)表示:
簇的邻近度用组间平方和(SSB)表示,即簇的质心
到簇内所有数据点的总平均值的距离的平方和外部质量评价指标是基于已知分类标签数据集进行评价的,这样可以将原有标签数据与聚类输出结果进行对比。外部质量评价指标的理想聚类结果是:具有不同类标签的数据聚合到不同的簇中,具有相同类标签的数据聚合相同的簇中。外部质量评价准则通常使用熵,纯度等指标进行度量。
簇内包含单个类对象的一种度量。对于每一个簇,首先计算数据的类分布,即对于簇
,计算簇的成员属于类的概率簇内包含单个类对象的另外一种度量。簇
的纯度为,而聚类总纯度为:联系客服