【发布时间】：2021-07-25 04:03:47
【问题描述】：
我将使用 AHC 对我的数据（轨迹数据）进行聚类。请告诉我如何确定 AHC 的水平？
【问题讨论】：
标签： python cluster-analysis data-mining
【发布时间】：2021-07-25 04:03:47
【问题描述】：
聚类的目标应该是聚类本身应该远离彼此，而聚类内的点应该尽可能地靠近。
目标：这是另一种说法，我们必须最小化集群内距离并最大化集群间距离。
为此，我们使用了各种纯度测量方法，例如：
- 戴维斯-博尔丁指数：https://en.wikipedia.org/wiki/Davies%E2%80%93Bouldin_index
- 剪影值：https://en.wikipedia.org/wiki/Silhouette_(clustering) 或者，您可以在实现 AIM 的地方提供您的功能。
在每次迭代后，您可以计算您制作的集群的纯度，并在达到最小值时停止
【讨论】：
-
感谢您的回复。我熟悉外部和内部措施。你的意思是，我必须执行 AHC，然后使用这些措施来确定簇数？
-
是的。尝试 AHC 的一次迭代，然后计算纯度。这里可以有 3 个停止标准： 1. 定义目标纯度值 - 达到时停止 AHC。缺点是您必须确定一个可能很困难的纯度值。 2. 单独存储当前集群并在当前集群的副本上重做 AHC。计算新集群的纯度。比较纯度并在纯度降低时停止。 3.直接固定迭代次数（最简单但有点随机）我个人建议第一个