聚类的链接方法与实务要点

R 中的无监督学习

Hank Roark

Senior Data Scientist at Boeing

层次聚类中的簇链接

如何定义簇间距离？有哪些规则？
决定链接簇的四种方法
- 完全链接（Complete）：计算簇 1 与簇 2 所有成对相似度，取其中最大值
- 单一链接（Single）：同上，但取最小值
- 平均链接（Average）：同上，但取平均值
- 质心链接（Centroid）：求两簇质心，使用两质心的相似度

链接方法：完全与平均

完全链接与平均链接树状图

链接方法：单一

单一链接树状图

链接方法：质心

质心链接树状图

R 中的链接方法

# 使用不同方法拟合层次聚类模型
hclust.complete <- hclust(d, method = "complete")
hclust.average <- hclust(d, method = "average")
hclust.single <- hclust(d, method = "single")

实务要点

不同量纲会导致聚类结果失真
解决方案：将特征缩放到相同均值与标准差
- 用各特征的均值对其观测值中心化（减去均值）
- 再除以该特征的标准差
- 归一化后：均值为 0，标准差为 1

实务要点

# 检查是否需要缩放
colMeans(x)

-0.1337828  0.0594019

apply(x, 2, sd)

1.974376 2.112357

实务要点

# 生成列均值为 0、标准差为 1 的新矩阵
scaled_x <- scale(x)
colMeans(scaled_x)

2.775558e-17 3.330669e-17

apply(scaled_x, 2, sd)

1 1

Vamos praticar!

R 中的无监督学习