使用一對計數F值評估層次聚類

Question

的情況如下：

我有我已經手動分配給基於其受試者的（地面）羣集文件的數據集。然後我使用Hierarchical Agglomerative Clustering（HAC）來自動聚集相同的數據集。我現在試圖使用計數f-measure對來評估HAC集羣（如Darius Pfitzner，Richard Leibbrandt & David Powers的表徵和相似性測量評估 中所述。

然而，我面臨的問題是，我的手動聚類生成了平面聚類（因此聚類之間沒有關係），而HAC發現的聚類是分層的。因此，在查看樹狀圖時，根據您選擇的深度（水平線），您擁有不同數量的聚類（在深度0（根節點）處，您只有1個聚類;在MAX深度處，聚類數等於數您的數據集中的元素）。

所以，我的問題現在是：

• 我需要爲了使用一對計數F值來選擇深度（讓我有一組固定的集羣）（還是我失去了什麼東西？）。
• 如果是這樣，我用什麼標準來確定這個深度？

Answer 1

雙計數措施設計用於無重疊平板分區。

如果您嘗試計算它們的重疊或分層結果，您將很容易獲得[0;1]範圍以外的值;所以這些方法顯然不起作用。

所以是的，你必須以某種方式（例如，在一個特定的高度;或爲了達到特定數量的簇）切割樹，以便能夠使用這種評估措施。

如何提取平坦parititioning了分級聚類結果（無論是從聯動聚類，OPTICS或HDBSCAN）最近建議可以在這裏找到：

爲半監督一個框架和從層次聚類的無監督最佳提取
RJGB Campello的，D. Moulavi，A. Zimek，J.桑德
數據挖掘和知識發現，27（3）：344-371，2013年

但我還沒有使用過。這聽起來非常有用，並在我的閱讀清單上。