Question

问题是应该首先考虑的问题：a）聚类还是b）降维算法？换句话说，我可以应用像t-SNE那样的伪（因为它不是真的）维数减少方法，然后使用聚类算法来提取聚类，或者是否应该在原始高维空间上执行聚类并且仅用于为节点着色？下面的代码是一个好的开始方式，还是我完全弄错了？

adjMat = g.get_adjacency(attribute='weight') #get the adjacency matrix from a really large graph
adjMat = np.array(adjMat.data)
adjMat = adjMat.T #use the incoming interaction vectors 
#initiate the t-SNE algorithm
tsne = manifold.TSNE() #set dimensionality reduction algorithm
manifoldCoords = tsne.fit_transform(adjMat) 
#initiate clustering algorithm
clusteralgorithm = clusterAlgs.KMeans() #set clustering algorithm
linear_clusters = clusteralgorithm.fit_predict(manifoldCoords) #extract clusters

Answer 1

最好先执行降维，然后进行聚类。

背后的原因是high dimensional space behave in a strange way中的距离。另一个有趣的现象是最近点和最远点之间的比率接近1。

我建议您阅读此question，虽然它询问欧几里德距离，但您可以找到许多有趣的信息。

Answer 2

首先减少维度然后是群集是很常见的。仅仅因为聚类高维数据 hard ，并且维数降低使得它更容易处理＆＃34;。

只要你不忘记群集本质上是不可靠的（所以不要相信结果，但学习它们）你应该没事。

使用t-SNE降维来执行聚类

2 个答案: