基于平均轮廓宽度的聚类
机器学习
2020-11-24 v4 机器学习
摘要
平均轮廓宽度（ASW；Rousseeuw (1987)）是一种流行的聚类有效性指标，用于估计聚类数目。此处我们探讨它是否也适合作为用于寻找聚类的、待优化的一般目标函数。我们将提出两种算法（标准版 OSil 与快速版 FOSil），并在涵盖已知与未知聚类数目情形的广泛模拟研究中将其与现有聚类方法比较。我们还分析了真实数据集，部分探索了新方法与或非欧氏距离的使用。我们还将表明 ASW 满足一些为聚类质量函数所提出的公理（Ackerman and Ben-David (2009)）。新方法在许多情形下被证明有用且合理，但也突出了一些弱点。这些弱点也涉及将 ASW 与其他方法一起用于估计聚类数目，而由于 ASW 在此任务上的流行性，这一点具有普遍意义。
引用
@article{arxiv.1910.11339,
title = {Clustering with the Average Silhouette Width},
author = {Fatima Batool and Christian Hennig},
journal= {arXiv preprint arXiv:1910.11339},
year = {2020}
}
备注
36 pages