我不熟悉群集并在聚类推文上做一些小项目，我使用TF-IDF然后使用层次聚类。我对为层次聚类设置阈值感到困惑。它的价值应该是什么以及如何决定它？ 我使用python scikit模块进行实现。
答案 0 :(得分：1)
我假设您正在讨论选择要从层次聚类算法中提取的聚类数量。有几种方法可以做到这一点，维基百科有一篇很好的文章来讨论它的一些理论：http://en.wikipedia.org/wiki/Determining_the_number_of_clusters_in_a_data_set
对于实际示例，请看一下这个问题：Tutorial for scipy.cluster.hierarchy
答案 1 :(得分：1)
虽然有几种方法可以帮助终止层次聚类（或一般的聚类），但是没有最好的通用方法可以做到这一点。这源于这样一个事实，即没有任意数据的“正确”聚类。相反，“正确性”非常适用于域和应用程序。
因此，虽然您可以尝试不同的方法（例如，肘部或其他方法），但他们将依次拥有自己的参数，您必须“调整”以获得您认为“正确”的聚类。这段视频可能对你有所帮助（虽然它主要涉及k-means，概念扩展到其他聚类方法） - https://www.youtube.com/watch?v=3JPGv0XC6AE