群聚的連結方式與實務重點

R 的無監督式學習

Hank Roark

Senior Data Scientist at Boeing

階層式分群中的群聚連結

如何判定群聚之間的距離？有哪些規則？
判定應連結哪一個群聚的四種方法
- Complete：比較群聚 1 與群聚 2 所有觀測的兩兩相似度，取「最大相似度」
- Single：同上，但取「最小相似度」
- Average：同上，但取「相似度的平均」
- Centroid：先找出群聚 1 與群聚 2 的質心，取「兩個質心的相似度」

連結方法：complete 與 average

complete 與 average 的樹狀圖

連結方法：single

single 的樹狀圖

連結方法：centroid

centroid 的樹狀圖

R 中的連結方式

# 使用不同方法擬合階層式分群模型
hclust.complete <- hclust(d, method = "complete")
hclust.average <- hclust(d, method = "average")
hclust.single <- hclust(d, method = "single")

實務注意事項

不同尺度的資料會讓分群結果失真
解法：將資料標準化，讓各特徵有相同平均與標準差
- 用每個特徵的平均數去平移該特徵的所有觀測
- 再以該特徵的標準差去縮放每個特徵
- 正規化後，各特徵平均為 0、標準差為 1

實務注意事項

# 檢查是否需要標準化
colMeans(x)

-0.1337828  0.0594019

apply(x, 2, sd)

1.974376 2.112357

實務注意事項

# 產生新矩陣：各欄平均為 0、標準差為 1
scaled_x <- scale(x)
colMeans(scaled_x)

2.775558e-17 3.330669e-17

apply(scaled_x, 2, sd)

1 1

一起來練習吧！

R 的無監督式學習