亲和力传播偏好参数

Question

我已经使用scikit-learn的亲和传播实现聚类了一组实体名称，并且修改了Jaro-Winkler距离作为相似性度量，但是我的聚类仍然太多（即，太多的误报。 ）

我在scikit-learn文档中看到，存在一个影响集群数量的'preference'参数，具有以下描述：

  

首选项：类似数组，形状（n_samples，）或浮点数，可选

     

每个点的偏好 - 具有较大偏好值的点更有可能被选为样本。样本的数量，即集群的数量，受输入偏好值的影响。如果首选项不作为参数传递，它们将被设置为输入相似度的中位数。[0]

然而，当我开始修改这个值时，我发现一个非常窄的值范围给了我太多的聚类（preference=-11.13）或太少的聚类（preference=-11.11）。

是否有某种方法可以确定首选参数的“合理”值应该是多少？为什么我无法获得非极端数量的集群？

类似的问题：

Affinity Propagation - Cluster Imbalance

Affinity Propagation preferences initialization

Answer 1

您可以尝试使用sklearn.model_selection.GridSearchCV或sklearn.model_selection.RandomizedSearchCV。

您可以定义一个自定义错误度量，以鼓励超参数搜索生成较小的群集。然后，您可以搜索多个值，以根据验证集找到适合您的数据集的值。

更多信息： http://scikit-learn.org/stable/modules/grid_search.html