凝聚聚类中全连接及其他连接方法凝聚性的新界
机器学习
2024-05-03 v1 数据结构与算法
机器学习
摘要
连接方法是层次聚类中最受欢迎的算法之一。尽管它们很重要，但目前关于这些方法产生的聚类质量的知识仍然有限。在此，我们改进了度量空间中全连接方法所得聚类的最大直径的现有可用界。与现有界不同，我们的一个新界允许在直径近似方面将全连接与单连接区分开来，这证实了普遍的看法，即当目标是产生紧凑聚类时，前者比后者更合适。我们还表明，我们的技术可用于推导一类连接方法（包括非常受欢迎的平均连接）的凝聚性上界。
引用
@article{arxiv.2405.00937,
title = {New bounds on the cohesion of complete-link and other linkage methods for agglomeration clustering},
author = {Sanjoy Dasgupta and Eduardo Laber},
journal= {arXiv preprint arXiv:2405.00937},
year = {2024}
}