确定聚类的影响

Question

在聚类中，嘈杂，冗余和不相关的属性会产生哪些影响？他们最终是在帮助还是伤害集群？我知道它无法处理嘈杂的数据，但在其他两个数据上却不能确定。

Answer 1

<强>噪声
随着噪声百分比的增加，许多聚类算法（如k均值，中值等分割等）的性能会下降。对于k均值聚类中的示例，由于异常值（数据与数据集大不相同），聚类质心会发生变化。该算法需要很长时间才能收敛，并且可能不会产生良好的聚类。

大多数聚类算法更喜欢在聚类之前从数据集中去除噪声（异常值） 有关详细信息：Effect of noise on the performance of clustering techniques

冗余数据（没有冗余属性，但冗余数据点）
这也会以负面方式影响聚类，但取决于聚类算法。如果任何算法考虑数据点的频率（例如采用聚类点的平均值，中位数等）则意味着，聚类的中值可能会有所不同。
通常，您不希望根据发生任何数据点的可能性来聚类数据。因此，如果任何数据点是冗余的，建议在群集之前删除它。

如果考虑冗余的属性（即共同相关的属性），它可能会也可能不会影响群集。取决于数据集的域。

无关属性
这也会以负面方式影响聚类。由于不相关的属性，聚类可能不会收敛。事实上，有时无关的属性被视为噪音。同样具有更高的维度，是维度的诅咒。因此，经常建议在聚类之前执行降维。

一些细节：
Clustering high dimensional data
Effect of irrelevant attribute on fuzzy clustering