聚类总结

一、基本概念

聚类：对无标签的数据，按照其内在规律分组

概念：聚类，簇，

用途：1）数据内在的分布结构的探索 2）更复杂的问题的前驱，如分类等其他问题

性能度量：

好的聚类结果：簇内相似度高，簇间相似度低

外部指标：与参考模型对比，（Jaccard系数，FM指数，Rand指数）

外部指标类似于查准率与查全率等指标的意思

内部指标：直接考察聚类结果（样本间的距离，簇的中心点，DB指数，Dunn指数）

内部指标，主要是考察不同簇间的距离关系，通过对距离的计算来判断簇间的差异，从而衡量聚类的性能

DB指数，可以理解为簇的大小，与簇间中心点距离之比

Dunn指数，全局两个不同簇中样本的最小距离，与簇内部样本间的最大距离之比

两个指标，都是在对比簇间的距离和簇本身的大小，可以想象，肯定是簇间距离越大越好，簇的大小越小越好

注：性能度量中讲的度量方式比较抽象，只是基本的公式和定义

距离计算

1）范数

2）有序属性和无序属性

3ÿ