algorithm - 如何选择合适的聚类算法

Question

我即将使用 1000 维的特征向量进行聚类。也就是说，特征向量如下所示。a = {255, 2334, 436, ... , 5284};b = {235, 434, 63, ... , 844};...我还有衡量 2 个特征向量之间距离的度量。但是我无法弄清楚哪种聚类算法最好地使用这个特征向量进行聚类，因为由于高维，我无法可视化这些向量的分布。任何人都知道可以可视化这些分布的方法，或者在不知道数据分布的情况下，如何选择最好的聚类算法？提前致谢。

Answer 1

您应该将标记数据分成训练集和测试集。使用训练集，您可以训练一个分类器，您可以根据标记的测试集来衡量其性能。

作为分类器，一个 first try可以是 SVC。

为了获得更好的可靠性，您应该针对不同的训练集和测试集重做此过程。这被称为 cross-validation .