使用一对计数F值评估层次聚类

Question

的情况如下：

我有我已经手动分配给基于其受试者的（地面）群集文件的数据集。然后我使用Hierarchical Agglomerative Clustering（HAC）来自动聚集相同的数据集。我现在试图使用计数f-measure对来评估HAC集群（如Darius Pfitzner，Richard Leibbrandt & David Powers的表征和相似性测量评估 中所述。

然而，我面临的问题是，我的手动聚类生成了平面聚类（因此聚类之间没有关系），而HAC发现的聚类是分层的。因此，在查看树状图时，根据您选择的深度（水平线），您拥有不同数量的聚类（在深度0（根节点）处，您只有1个聚类;在MAX深度处，聚类数等于数您的数据集中的元素）。

所以，我的问题现在是：

• 我需要为了使用一对计数F值来选择深度（让我有一组固定的集群）（还是我失去了什么东西？）。
• 如果是这样，我用什么标准来确定这个深度？

Answer 1

双计数措施设计用于无重叠平板分区。

如果您尝试计算它们的重叠或分层结果，您将很容易获得[0;1]范围以外的值;所以这些方法显然不起作用。

所以是的，你必须以某种方式（例如，在一个特定的高度;或为了达到特定数量的簇）切割树，以便能够使用这种评估措施。

如何提取平坦parititioning了分级聚类结果（无论是从联动聚类，OPTICS或HDBSCAN）最近建议可以在这里找到：

为半监督一个框架和从层次聚类的无监督最佳提取
RJGB Campello的，D. Moulavi，A. Zimek，J.桑德
数据挖掘和知识发现，27（3）：344-371，2013年

但我还没有使用过。这听起来非常有用，并在我的阅读清单上。