27、信息理论学习在聚类与无监督学习中的应用

信息理论学习在聚类与无监督学习中的应用

1. 信息理论学习在聚类中的应用

在聚类任务中，基于信息理论准则的方法具有独特的优势。这些方法主要聚焦于基于差异成本函数进行聚类。

1.1 混淆矩阵结果

通过不同数据集的混淆矩阵可以直观看到聚类效果。以下是葡萄酒数据集（σ = 0.32）和鸢尾花数据集（σ = 0.095）的混淆矩阵：
| 葡萄酒数据集混淆矩阵（σ = 0.32） | 结果 C1 | 结果 C2 | 结果 C3 |
| ---- | ---- | ---- | ---- |
| 真实 C1 (59) | 59 | 0 | 0 |
| 真实 C2 (71) | 4 | 50 | 6 |
| 真实 C3 (48) | 0 | 0 | 46 |

鸢尾花数据集混淆矩阵（σ = 0.095）	结果 C1	结果 C2	结果 C3
真实 C1 (50)	49	0	0
真实 C2 (50)	0	42	3
真实 C3 (50)