Deciding the Number of Clusterings（学习Free Mind知识整理）



阅读http://freemind.pluskid.org/machine-learning/deciding-the-number-of-clusterings/文章的一些知识整理。

=====================================================================

前面不知道kid在后面会介绍如何确定聚类的类别个数这一部分知识，我在前面也提到了这点，我们再看下这篇里面的解释吧。

=====================================================================

文章前面说明了一个问题"原来的选择 的问题转化成了选择树深度的问题"。

先看一下mean sift，（http://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.html）

在d维空间中，任选一个点，然后以这个点为圆心，h为半径做一个高维球，因为有d维，d可能大于2，所以是高维球。落在这个球内的所有点和圆心都会产生一个向量，向量是以圆心为起点落在球内的点位终点。然后把这些向量都相加。相加的结果就是Meanshift向量。也就是黄色箭头。

再以meanshift向量的终点为圆心，再做一个高维的球。如下图所以，重复以上步骤，就可得到一个meanshift向量。如此重复下去，meanshift算法可以收敛到概率密度最大得地方。也就是最稠密的地方。

最终的结果如下：

推导见上面这篇文章，这里就不啰嗦的复制粘贴了。这样原来选择 的问题现在被转化为了选择圆圈的大小的问题。

====================================================================

这里推荐一本机器学习方面的好书，名字是《Pattern Recognition and Machine Learning》，作者是Christopher M.Bishop，据说是机器学习方面的经典著作。我导师也推荐看一下，一直没看，后面补一下PRML。

关于Dirichlet Process这个过程先看下这位网友的通俗解释，http://blog.csdn.net/xianlingmao/article/details/7342837 其中The Dirichlet Distribution 狄利克雷分布 (PRML 2.2.1)[http://www.xperseverance.net/blogs/2012/03/510/]

=====================================================================

近邻传播聚类Affinity Propagation,(http://www.kylen314.com/archives/425)。

=====================================================================

里面有个slides可以看看。

=====================================================================

最后“对于层次聚类，给出一个Q函数，Q函数最大处即是合适的最深度，由此也不需要任何预设参数即可确定最终的聚类。”作者是这个意思。

=====================================================================