层次聚类的时间控制

 

聚类的关键在于根据数据特征导出距离函数。找到距离函数，聚类就成功了一半了。距离函数包括两个样本直接的欧式距离，余弦相似度，person相似度等等。根据不同的情景，选择不同距离函数。距离函数可以另外增加一些类别信息，如控制每个类别下样本的个数。

（1）控制聚类的层数非常重要。控制层数，可以控制，最终的聚类结果，关键是减少时间。
（2）当有几万个样本，要聚成几千个类的时候。减少每个样本和其他样本的比较个数非常重要。

怎么理解数学：首先搞清楚问题，直观理解问题的实质，最后才是看怎么用数学的语言描述问题，解决问题。