2019-01-03 正解データを用いないクラスタリングの評価 シルエット係数（silhouette coefficient） 頑健性を用いたクラスタリング評価指標 良い結果が得られても、そのクラスタリングに意味があるのかはわからない。結局、目で見て解析するしかない。
2019-01-03 正解データを用いたクラスタリングの評価 調整ランド指数（adjusted rand index：ARI） 正規化相互情報量（normalized mutual information：NMI） 最良の場合に1、関係ないクラスタリングの場合に0を取る
2019-01-03 DBSCAN（density-based spatial clustering of applications with noise） データポイントを3種類に区分する コアポイント・・・指定した距離以内に指定したデータ件数以上のデータポイントがあるデータポイント 境界ポイント・・・あるコアポイントに指定した距離以内に存在するデータポイント ノイズ・・・指定した距離以内に指定したデータ件数以上のデータポイントが無いデータポイント 利点 クラスタ数を先験的に与える必要がない どのクラスタにも属さない点を判別できる 欠点 k-meansや凝集型クラスタリングよりも遅い パラメータ コアポイントからの距離 コアポイントと認識される最小のデータ件数
2019-01-03 凝集型クラスタリング（agglomerative clustering） 個々のデータポイントをそれぞれ個別のクラスタとして開始し、最も類似した2つのクラスタを併合していく。何らかの終了条件が満たされるまで繰り返す。 連結方法 クラスタ内の分散の増分が最小になるように選択する クラスタ間のすべてのポイント間の距離の平均値が最小の2クラスを選択する 2つのクラスタの点間の距離の最大値が最小となるものを選択する
2019-01-03 k-meansクラスタリング データの領域を代表するようなクラスタ重心を見つけようとする。 次の2ステップを繰り返す。 個々のデータポイントを最寄りのクラスタ重心に割り当てる 個々のクラスタ重心をその点に割り当てられたデータポイントの平均に設定する 利点 比較的理解しやすい 比較的高速に実行できる 入力次元の数よりもはるかに多くのクラスタを使うことができる 欠点 比較的簡単な形しか見つけられない 全ての方向が同じように重要であると仮定する 初期化が乱数で行われるため、アルゴリズムが乱数のシードに依存する
