tensorflow - 是否有任何可以识别数字集群本身的无监督聚类技术？

Question

我检查了 gensim、fasttext、sklearn 上的无监督聚类，但没有找到任何文档可以使用无监督学习对文本数据进行聚类，而无需提及要识别的聚类数量

例如在 sklearn KMneans 聚类中

km = KMeans(n_clusters=true_k, init='k-means++', max_iter=100)

我必须在哪里提供 n_clusters。

就我而言，我有文本，它应该自动识别其中的集群数量并对文本进行集群。非常感谢任何参考文章或链接。

标签： tensorflowscikit-learngensimunsupervised-learningfasttext

Answer 1

DBSCAN是一种基于密度的聚类方法，我们不必事先指定聚类的数量。

sklearn实现：http ://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html

这是一个很好的教程，可以直观地了解 DBSCAN： http: //mccormickml.com/2016/11/08/dbscan-clustering/

我从上面的教程中提取了以下内容，这可能对您有用。

k-means 需要指定簇的数量“k”。DBSCAN 不需要，但确实需要指定两个参数，这些参数会影响两个附近点是否应该链接到同一个集群中的决定。

这两个参数是距离阈值 ε（epsilon）和“MinPts”（最小点数），待解释。

还有其他方法（按照评论中给出的链接），但是，DBSCAN是一种流行的选择。