层次聚类中的阈值答案

【问题标题】：Threshold in Hierarchial clustering层次聚类中的阈值
【发布时间】：2014-06-08 04:36:48
【问题描述】：

我是集群新手，正在做一些关于集群推文的小项目，我使用了 TF-IDF，然后是层次集群。我对设置层次聚类的阈值感到困惑。它的价值应该是什么以及如何决定它？
我使用 python scikit 模块来实现。

【问题讨论】：

标签： python machine-learning cluster-analysis scikit-learn hierarchical-clustering

【解决方案1】：

我假设您正在谈论从层次聚类算法中选择要提取的聚类数量。有几种方法可以做到这一点，并且有一篇关于它的很好的维基百科文章关于一些理论：http://en.wikipedia.org/wiki/Determining_the_number_of_clusters_in_a_data_set

有关实际示例，请查看以下问题：Tutorial for scipy.cluster.hierarchy

【讨论】：

【解决方案2】：

虽然存在多种方法可以帮助终止层次聚类（或一般聚类），但没有最好的通用方法来执行此操作。这是因为没有“正确”的任意数据聚类。相反，“正确性”是非常特定于领域和应用程序的。

因此，虽然您可以尝试不同的方法（例如，肘部或其他方法），但它们将拥有自己的参数，您必须“调整”这些参数以获得您认为“正确”的聚类。该视频可能对您有所帮助（虽然它主要处理 k-means，但这些概念扩展到其他聚类方法） - https://www.youtube.com/watch?v=3JPGv0XC6AE

【讨论】：