r - 您使用什么方法来选择 k-means 和 EM 中的最佳聚类数？

Question

有许多聚类算法可用。一种流行的算法是 K-means，其中基于给定数量的集群，该算法迭代以找到对象的最佳集群。

您使用什么方法来确定 k-means 聚类中数据中的聚类数？

R 中是否有任何可用的包包含V-fold cross-validation确定正确集群数量的方法？

另一种常用的方法是期望最大化（EM）算法，它为每个实例分配一个概率分布，表明它属于每个集群的概率。

这个算法是在 R 中实现的吗？

如果是，是否可以通过交叉验证自动选择最佳集群数量？

您是否更喜欢其他聚类方法？

score 5 · Accepted Answer

对于大型“稀疏”数据集，我会认真推荐“亲和传播”方法。与 k 均值相比，它具有优越的性能，并且本质上是确定性的。

然而，最佳聚类算法的选择取决于所考虑的数据集。K 均值是一种教科书方法，很可能有人已经开发出更好的算法，更适合您的数据集类型/

这是 Andrew Moore 教授（CMU，Google）关于 K 均值和层次聚类的一个很好的教程。 http://www.autolab.org/tutorials/kmeans.html

score 0 · Accepted Answer

上周，我为 K-Means 聚类程序编写了这样一个估计聚类数的算法。我使用了以下概述的方法：

我最大的实现问题是我必须找到一个合适的集群验证索引（即错误度量）。现在是处理速度的问题，但目前的结果看起来是合理的。

2 回答 2