一种基于点间距离的非参数聚类评估新度量
机器学习
2022-10-18 v1 应用统计
机器学习
摘要
本文提出一种基于点间距离的新度量，用于识别数据集中存在的最优聚类数。该度量采用非参数方法设计，与给定数据的分布无关。数据成员间的点间距离使我们的聚类有效性指标适用于任意尺度度量的单变量与多变量数据，或任意维度空间中的观测（其中研究变量数甚至可以大于样本量）。我们所提准则兼容任意聚类算法，可用于确定未知聚类数或评估数据集所得聚类的质量。通过合成与真实数据的演示，确立了其相对于文献中知名聚类准确性度量的优越性。
引用
@article{arxiv.2210.08972,
title = {A new nonparametric interpoint distance-based measure for assessment of clustering},
author = {Soumita Modak},
journal= {arXiv preprint arXiv:2210.08972},
year = {2022}
}
备注
30 pages, 3 figures