聚类算法选择:
如果数据维度很高,可以选择谱聚类,它是基于选择用聚类密切相关的维度,对子空间进行聚类
如果数据为小规模的少于100万条,可以使用KMEANS,如果超过100万条,可以用考虑使用mini batch kmeans
如果数据有离群点,可以考虑dbscan
如果追求分类准确率,谱聚类比kmeans好
聚类算法常用的指标:
兰德系数(rand index):给定实际类别信息 c,k为聚类的结果,a为c和k都是同类别的元素对,b为不同类别的元素对
RI = (a+b)/Cnsample