
无监督学习
|
213
该绘图类似于确定
K
-Means
的类数时所使用的肘部图(参见图
7-6
),只是绘制的值是
BIC
,而不是方差被解释的百分比。其中一个很大的差异在于,mclust 显示的并非一行,
而是同时显示了
14
个不同的行!这是因为 mclust 实际上为每种聚类规模拟合了
14
个不同
的模型,并最终选择一个最优拟合模型。
为什么
mclust 需要拟合这么多的模型,才能确定最优的多元正态分布?这是因为在拟合模
型时,有多种方法可以参数化协方差矩阵
∑
。在大多数情况下,我们并不需要操心模型的
细节,可以简单地使用 mclust 所选择的模型。在本例中,根据
BIC
,三个不同的模型(称
为
VEE
、
VEV
和
VVE
)使用两个成分给出了最优拟合。
基于模型的聚类是一个正在快速发展的研究领域,本书只介绍了该领域中的
一小部分内容。事实上,仅是
mclust
的帮助文件就长达
154
页。对于数据科
学家碰到的大多数问题来说,无须耗费过多的精力去查看基于模型的聚类的
细节。
基于模型的聚类技术确实存在一些限制。此类方法需要根据数据情况对模型做出一个潜在
的假设,并且聚类的结果非常依赖于该假设。此类方法的计算资源需求甚至高于层次聚
类,因此很难扩展到大数据上。此外,该算法比其他方法更复杂,更难以使用。
本节要点
•
基于模型的聚类方法假设类是由不同数据生成过程所生成的,各个数据生成过程具
有不同的概率分布。
•
基于模型的聚类方法拟合了不同的模型,假设有不同数量的分布(通常是正态分布)。
•
基于模型的聚类方法无须使用过多的参数(即过拟合) ...