sklearn python 亲和传播 - 有没有一种方法来计算集群中的错误？答案

【问题标题】：sklearn python affinity propagation - is there a method to calculate error in clusters?sklearn python 亲和传播 - 有没有一种方法来计算集群中的错误？
【发布时间】：2019-07-02 19:01:23
【问题描述】：

在查看 sklearn.cluster 和 Affinity Propagation 的文档时，我看不到任何可以计算集群中的错误的东西。这是否存在或者这是我必须自己写的东西？

更新：让我提出一个可能的想法：

通过 Affinity Propagation，我们有一个相异矩阵（即衡量每行彼此之间的相异程度的矩阵）。当 AP 完成后，我拥有了它们所属集群的所有标签分配。如果我从矩阵中进行差异测量怎么办？例如，假设在 10x10 矩阵中，点 3 是我的集群，标签 4 分配给示例 3。例如，质心和标签之间的差异为 -5。假设有另外两个标签分配给这个质心，分别为 -3 和 -8。现在，如果我说总误差是-16/3。如果我有另一个集群，其差异测量值为 -2、-3、-2、-3、-2、-3 = -15/6。这似乎提供了潜在的误差测量。

【问题讨论】：

标签： cluster-analysis affinity propagation

【解决方案1】：

我不认为有一个普遍接受的“错误”定义在亲和力传播的上下文中是有意义的，这是一种基于相似性的方法。

错误适用于基于坐标的方法，例如 k-means，但在 AP 上我们可能没有坐标。

【讨论】：

不...除非您拥有所有数字数据，否则 AP 不像“坐标”那样工作。但由于大多数数据库都有混合数据：数字和分类数据，因此需要做更多工作才能获得相似度矩阵。我目前正在使用这个提案researchgate.net/publication/…。那时我可能无法将错误用于自适应目的，而是切换到来自同一来源的新自适应提议。
另外，我认为错误“可以”通过在示例和分配点之间进行相似性测量并将它们加在一起来测量。从那里我不知道该怎么做。