凝聚聚类和分裂聚类最终能得到相同的结果吗?

Posted

技术标签:

【中文标题】凝聚聚类和分裂聚类最终能得到相同的结果吗?【英文标题】:Can agglomerative clustering and divisive clustering get the same result in the end? 【发布时间】:2021-05-23 19:24:15 【问题描述】:

现在,我知道凝聚是自下而上的方法,而分裂是自上而下的方法。但是,我不知道它们在具体过程中有什么不同。例如,它们是否都使用邻近矩阵来计算样本之间的任何成对距离?此外,如果我设置所有相同的参数,例如相同的链接标准,相同的目标簇数......他们最终会得到完全相同的结果吗?

【问题讨论】:

【参考方案1】:

凝聚聚类和分裂聚类是聚类范式,而不是特定的算法。一般来说,不同的算法会返回不同的树状图,但不一定。这里有两个返回相同的树状图(假设所有距离都是不同的):

    凝聚聚类:重复加入两个聚类,其中最近的一对点属于不同的聚类。

    分裂聚类:重复分裂每个聚类,以使属于分裂不同边的最近的一对点之间的距离最大化。

事实证明,这两种聚类算法都会产生最小生成树。

【讨论】:

感谢您的回复,但具体的分割算法是什么?我知道凝聚聚类包括 CURE、Cameleon,分裂算法呢?

以上是关于凝聚聚类和分裂聚类最终能得到相同的结果吗?的主要内容,如果未能解决你的问题,请参考以下文章

聚类 - 4 - 层次聚类密度聚类(DBSCAN算法密度最大值聚类)

第一节:层次聚类算法概述聚合和分裂方法

[机器学习]二分k-means算法详解

社区发现的学习笔记

scikit learn 凝聚聚类算法的设置条件

如何在 python Scikit-learn 中获得凝聚聚类“质心”