Para um aplicativo, quero agrupar dados (potencialmente dimensionais) e extrair a probabilidade de pertencer a um cluster. Eu considero no momento mapas auto-organizados ou kernel significa fazer o trabalho. Quais são os prós e os contras de cada classificador para esta tarefa? Estou com saudades de outros algoritmos de cluster que poderiam ter desempenho nesse caso?
Mapas auto-organizados vs. k-means do kernel
Respostas:
Isso tem potencial para ser uma pergunta interessante. Os algoritmos de cluster têm desempenho 'bom' ou 'não bom', dependendo da topologia dos seus dados e do que você está procurando nesses dados. ¿O que você deseja que os clusters representem? Anexo um diagrama que infelizmente não inclui o kernel do Kernel ou o SOM, mas acho que é de grande valor para a compreensão das graves diferenças entre as técnicas. Você provavelmente precisa perguntar e responder isso a si mesmo antes de avaliar os "prós" e os "contras".
Esta é a fonte da imagem.
Obrigado pela resposta detalhada. Acredito que minha intenção seria classificar os dados mais como a propagação de afinidade.
—
WAF