【发布时间】：2011-08-03 09:42:26
【问题描述】：
如果时间不是一个因素，并且我们不知道有多少类，那么文档分类的最佳方法是什么？
【问题讨论】：
-
我们也不知道题目。
-
我们不知道有多少类是这样聚类然后进行类标注的
标签： cluster-analysis document-classification
【发布时间】：2011-08-03 09:42:26
【问题描述】：
交叉链接：请参阅 SO 上的 how-do-i-determine-k-when-using-k-means-clustering。
【讨论】：
-
谢谢！不过，我已经开始种植索姆了。不过，这将有助于确定起始网格大小。
在我（不完整的）知识中，如果您不知道有多少类，分层凝聚聚类是最好的方法。所有其他聚类算法要么需要先验知识桶的数量，要么需要某种交叉验证或其他实验来确定合理的桶数。
【讨论】：
-
+1。但是，对于平面聚类，有时建议将 N 个项目的 sqrt(N) 作为聚类数。
-
用Growing Som算法进行实际聚类，然后使用HAC的自底向上方法怎么样？这样我们也不必猜测集群的数量。
-
我没有种植 Som 的背景，所以我无法为您提供任何建议。
-
它只是一个自组织地图，它选择增加平均误差似乎高于阈值的分辨率（集群）。它是平面聚类，但保存了拓扑结构，因此可以通过比较相邻聚类之间的差异来找到层次结构。