1)谱聚类只需要数据之间的相似度矩阵,因此对于处理稀疏数据的聚类很有效。这点传统聚类算法比如K-Means很难做到 2)由于使用了降维,因此在处理高维数据聚类时的复杂度比传统聚类算法好。 谱聚类算法的主要缺点有: 1)如果最终聚类的维度非常高,则由于降维的幅度不够,谱聚类的运行速度和最后的聚类效果均不好。 2) ...
51CTO博客已为您找到关于谱聚类算法的优缺点的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及谱聚类算法的优缺点问答内容。更多谱聚类算法的优缺点相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。
1.算法过程中只用到数据点之间的相似矩阵,所以处理稀疏数据毫无压力。 2.因为在矩阵分解的过程中,会有降维,因此处理高维数据的时候复杂度比kmeans等算法低。 缺点: 1.最终的效果依赖相似矩阵,不同的相似矩阵结果差别比较大。 2.如果聚类的维度很高,可能因为降维幅度不够,谱聚类的运行速度和最后的聚类效果均不好。
1)谱聚类只需要数据之间的相似度矩阵,因此处理稀疏数据的聚类很有效;传统聚类算法比如K-Means很难做到z这点。 2)由于使用了降维,因此在处理高维数据聚类时的复杂度比传统聚类算法好。 谱聚类算法的主要缺点有: 1)如果最终聚类的维度非常高,则由于降维的幅度不够,谱聚类的运行速度和最后的聚类效果均不好。 2)聚类...