硬划分聚类的个体簇隶属确定性简单度量
应用统计
2018-01-23 v2
摘要
我们提出了两种类概率的个体簇隶属确定性度量，可应用于样本的硬划分，例如由围绕 medoid 划分(PAM)算法、层次聚类或 k-means 聚类获得的划分。一种度量扩展了个体轮廓宽度，另一种直接由样本中的成对相异度得到。然而，与经典轮廓不同，这些度量的行为类似于概率，可用于研究个体属于某个簇的倾向。我们还提出了两种评估硬划分的可能方法。我们使用由 PAM 算法划分的模拟二元数据集，或由层次聚类和 k-means 聚类划分的连续数据集，在具有模糊簇隶属关系的个体上评估了这两种度量的性能。为了比较，我们还展示了来自软聚类算法（如软分析聚类(FANNY)和两种基于模型的聚类方法）的结果。我们提出的度量与来自 FANNY 或基于模型的聚类方法的后验概率估计器表现相当。我们还通过将所提度量应用于费希尔经典鸢尾花数据集来对其进行说明。
引用
@article{arxiv.1704.00352,
title = {Simple Measures of Individual Cluster-Membership Certainty for Hard Partitional Clustering},
author = {Dongmeng Liu and Jinko Graham},
journal= {arXiv preprint arXiv:1704.00352},
year = {2018}
}