確定分層集羣中的組

Question

我有一種算法可以將數據分組爲一個分層集羣樹。該算法是Toby Seagram編程集體智能中描述的算法。樹輸出是一個二叉樹，每個節點都有一個「距離」值，告訴你兩個子節點有多遠。

然後，我可以將它顯示爲樹形圖，並且它使得人們可以很容易地將這些值組合在一起。然而，我很難想出一個自動決定組應該是什麼的算法。我想能夠自動判斷：

• 哪些點應放在每個組

在組

的數量是有一個標準的算法呢？

Answer 1

我認爲沒有默認的方式來做到這一點。簡單的「手冊」的方法將兩種：

• 指定你想要/期望
• 設置兩個節點之間的最大距離閾值簇的數目;任何具有較大距離的節點都屬於另一個羣集

有一些自動方法可用於determine the number of clusters。 R有Dynamic Tree Cut package自動處理這個問題，也可以使用pvclust。這裏有兩種方法可以解決這個問題，Salvador (2002)和Daniels (2006)。

Answer 2

我發現Calinski-Harabasz指數（也稱爲方差比標準）適用於由等級聚類生成的樹狀圖。你可以在this paper找到更多的信息（和一個比較研究）。