確定聚類的影響

Question

在聚類過程中會產生噪音，多餘和不相關屬性的影響嗎？他們最終是幫助還是傷害了集羣？我知道它無法處理嘈雜的數據，但不能確定其他兩個。

Answer 1

噪聲
的許多聚類算法等k-均值，中位數左右等分區性能會隨着噪聲增加的百分比。對於k均值聚類中的例子，由於異常值（與數據集有很大差異的數據），聚類質心會有所不同。該算法需要很長時間才能收斂，並且可能無法實現良好的聚類。

大多數聚類算法偏好從聚類之前的數據集中去除噪聲（異常值）。
有關詳細信息：Effect of noise on the performance of clustering techniques

冗餘數據（沒有多餘的屬性，但冗餘數據點）
這也影響負面聚類而是取決於聚類算法。如果任何算法考慮了數據點的頻率（例如，取聚類點的平均值，中值等），則意味着，羣集的中值可能變化。
通常情況下，您不希望根據發生任何數據點的可能性來對數據進行聚類。因此，如果任何數據點是多餘的，建議在羣集之前將其刪除。

如果您考慮冗餘屬性（即共同相關屬性），它可能會或可能不會影響聚類。取決於數據集的領域。

無關屬性
以消極的方式這也影響羣集。由於不相關的屬性，聚類可能不會收斂。事實上，有時不相關的屬性被認爲是噪聲。此外，更高的維度來自維度的詛咒。所以經常建議在聚類之前進行降維。

一些細節：
Clustering high dimensional data
Effect of irrelevant attribute on fuzzy clustering