parameters - 没有输入参数的数据聚类

时间：2013-02-07 16:43:32

标签： parameters machine-learning hierarchical-clustering

这更像是一个理论问题：

您知道任何不需要任何输入参数的聚类算法（平面或分层），例如聚类数量或邻域大小等吗？换句话说，您只需将数据作为输入提供给算法，并将群集作为输出。

如果有关相关文件/文件的建议我会很高兴。

答案 0 :(得分：2)

自动确定群集数量确实是一个棘手的问题，仍然被认为是开放式研究问题。

最先进的聚类技术之一是将数据建模为Dirichlet Process Mixture，请参阅Bayesian Hierarchical Clustering，但这并非易事，需要采用贝叶斯方法和马尔可夫链蒙特卡罗（MCMC）进行估算。 / p>

这种方法可以自动估计簇的数量。

答案 1 :(得分：0)

通常，一旦您通过聚类定义了您的意思，答案就会出现。这是困难的部分。

对于实值数据，我喜欢使用具有自动 h 选择的均值平移。群集对应于数据密度图中的模式，分组结果类似于分水岭变换。