cluster-analysis - 谱聚类与层次聚类

Question

谁能解释一下使用层次聚类比谱聚类有什么优势？我知道它们是如何工作的，但我想知道在哪些情况下使用层次聚类比谱聚类更好。

Answer 1

层次聚类：

• 它适用于分类数据。
• 继续连接相似的点，直到你最终得到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中，它被称为树状图。
• 根据您想要的集群数量，您可以在一个级别上切割树状图。

---

光谱聚类：

• 它用于对形状复杂的数据进行聚类，因为 K-means 和基于密度的聚类在这些情况下会失败。
• 将数据点视为图的顶点，连接足够接近的顶点。因此，您还选择了一个 ε 值。比 ε 更近的所有顶点都已连接。
• 与分层聚类不同，您不会获得完全连接的单个图（除非您采用高 ε 值并且没有非连接组件）。相反，您会得到多个连接的组件，每个组件都代表一个集群。

Answer 2

层次聚类通常更快，并产生一个很好的树状图来研究。

树状图对于了解您是否具有良好的聚类非常有用。

此外，层次聚类非常灵活。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；但要真正正常工作，您的数据必须已经由分离良好的“连接组件”组成。当你有非常嘈杂的数据时，祝你好运。