我正在通过在词向量上应用 k-Means 来对文档进行聚类。为了测量集群质量，我计算了不同 k 的 David Bouldin 指数。我尝试了两种不同的距离度量，余弦相似度和曼哈顿距离，得到了完全不同的值：
- 余弦相似度：~0.8 到 ~0.6
- 曼哈顿距离：~0.3 到 ~0.2
这些值可以直接比较吗？（曼哈顿真的在这里表现得更好吗？）或者是否有另一种方法来比较两种不同度量的聚类结果？
如何比较余弦相似度和曼哈顿距离的性能？
数据挖掘
聚类
k-均值
表现
评估
距离
2022-03-06 05:44:24
1个回答
比较不同距离的距离值是无稽之谈。
考虑这个距离函数：
显然，这给出了较小的值，但它也是无用的。
考虑曼哈顿距离的这个微不足道的变化：
显然，这个距离相当于曼哈顿，但会产生更小的值。
选择距离是因为它是“使用正确的东西”，而不是因为某个数字。如果您需要长度归一化并且具有稀疏向量，则余弦很好。
其它你可能感兴趣的问题