【发布时间】：2016-06-01 03:36:34
【问题描述】：
我们知道 R 中的聚类方法将观察结果分配给最近的中心点。因此，它应该是每个观察可以拥有的最近的集群。所以，我想知道 silhouette 怎么可能有负值，而我们应该将每个观察值分配给最近的集群，而剪影方法中的公式不能得到负值？
贝南。
【问题讨论】：
标签： cluster-analysis silhouette
【发布时间】：2016-06-01 03:36:34
【问题描述】：
两个错误：
大多数聚类算法不使用中心点，只有 PAM 使用。
轮廓不使用到中心点的距离，而是使用到所有集群成员的平均距离。如果最近的聚类非常宽，则平均距离可能大于到中心点的距离。考虑一个集群，其中一个点位于中心，所有其他点位于其周围的球体上。
【讨论】：
-
非常感谢。您是否有更好的算法来处理大型数据集？我正在使用 Clara，但实际上我仍然不能使用大于 10,000 的样本量，而且我无法在不试错的情况下选择样本量和数量。
-
K-means 是最具可扩展性的，其次可能是 DBSCAN。
-
我对 kmeans 和所有需要构建大型相异矩阵的算法有同样的问题。
-
它们都不需要大的距离矩阵。