cluster-analysis - 为 k-means 聚类模型选择适当的相似性度量

Question

我正在使用 k-means 算法对我的数据进行聚类。我有 5000 个样本。.（我的每个样本都是关于一个客户的。为了分析客户价值，我将根据 4 个行为特征对它们进行聚类。）使用欧几里德度量和 Pearson 相关性计算距离。

我需要知道

我不知道欧几里得距离是计算距离或皮尔逊相关的正确方法吗？我正在使用剪影来验证我的聚类。当我使用 Pearson 相关性轮廓值时，比使用欧几里得度量时要多。这是否意味着皮尔逊相关更适合距离度量？

Answer 1

k-means 不支持任意距离。

它基于方差最小化，对应于（平方）欧几里得距离。

使用 Peason 相关性，它将严重失败。

有关 k-means 如何在 Pearson 中严重失败的示例，请参见此答案：

https://stackoverflow.com/a/21335448/1060350

简短总结：均值不适用于 Pearson，但 k-means 是基于计算均值的。使用 PAM 或类似的方法来代替使用 medoids。