利用聚类优化分类器

利用聚类优化分类器

当你面临的问题非常复杂时，设计一个general的分类器可能效果不佳。 如果能通过一些方式，把问题拆分，然后在每个子集上分别训练分类器，一般效果会更好。 The Analytics Edge在讲聚类的时候，就以心脏病预测为例，讲述了一下这样做的好处。我觉得主要可以借鉴的有2点：

1. 先简单根据医疗花销(cost)把病人分成3组。因为通过这个简单特征可以有效的把病人粗略分类，实际看也是非常合理的。

2. 然后在每个分组里面，再进行kmeans聚类。聚类数根据经验选10
这样，最终模型的架构如下：首先cost bucket是一层，然后每层里面又进行了聚类，每个聚类最终使用RF(Random Forest)做分类器，相当于一个2层的组合模型。具体分析见我的blog：利用聚类优化分类器