死简单聚类算法

Question

如果两个数据项的分离小于某个用户指定的截止值，那么将两个数据项简单地放入同一个簇中的好的聚类算法是什么？

即X_clustering(data, distance, epsilon) 的结果是一组簇分配，因此对于任何对 i,j，如果 distance(data[i], data[j]) < epsilon，它们在同一个簇中。如果distance(data[i], data[j]) >= epsilon 它们可以在不同的集群中（如果没有其他数据最终将它们联系起来......）。

另一种说法是：如果存在[i, x, y, z..., j]通过数据的路径，则i,j在同一个集群中，使得每个步骤都是distance<epsilon，如果不存在这样的路径，它们在不同的集群中.

Answer 1

你的想法行不通。如果对于集群中的所有(data[i], data[j]) 对，它们的距离小于给定的epsilon，则意味着该集群的所有成员都位于以epsilon 为半径的圆中。因此，这种聚类方法不能一概而论。

顺便说一下，DBSCAN 是一种很好的聚类算法，可以根据给定epsilon 的密度确定聚类。您可以通过添加更强的约束来修改此算法：

如果每个数据与集群所有成员的距离小于给定的epsilon，则可以将其添加到集群中。