什么是多目标聚类？
What is multiobjective clustering?
我不明白什么是多目标聚类，是使用多个变量进行聚类还是什么？
我知道堆栈溢出可能不是解决这类问题的最佳方法，但是
我在其他网站上问过，但没有得到回应。
多目标优化通常意味着您有多个感兴趣的标准，不能简单地转换为可比较的标准。例如，当您尝试拥有非常快的模型和非常准确的模型时，请考虑问题。时间以 s 为单位，精度以 % 为单位。你如何比较 (1s, 90%) 和 (10days, 92%)？哪一个更好？一般没有答案。因此，人们通常会做的事情——他们寻找帕累托前沿，所以你测试 K 个模型并选择其中的 M <= K，这样，其中 none 显然是 "beaten"。例如，如果我们将 (1s, 91%) 添加到前面的示例中，帕累托前沿将是 {(1s, 91%), (10days, 92%)} (as (1s, 90%) < (1s, 91%) , 其余的无法比较)。
现在您可以在集群设置中应用相同的问题。举例来说，您想要构建一个模型，该模型可以快速对新实例进行分类，最小化平均。每个集群内的距离，并且不会在每个集群中放入太多标有 X 的特殊实例。然后您将再次获得模型（集群），这些模型现在以 3 个不可比较的度量为特征，并且在多目标集群中您尝试处理这些问题（例如找到此类聚类的帕累托前沿）。
我不明白什么是多目标聚类，是使用多个变量进行聚类还是什么？ 我知道堆栈溢出可能不是解决这类问题的最佳方法，但是 我在其他网站上问过，但没有得到回应。
多目标优化通常意味着您有多个感兴趣的标准，不能简单地转换为可比较的标准。例如，当您尝试拥有非常快的模型和非常准确的模型时，请考虑问题。时间以 s 为单位，精度以 % 为单位。你如何比较 (1s, 90%) 和 (10days, 92%)？哪一个更好？一般没有答案。因此，人们通常会做的事情——他们寻找帕累托前沿，所以你测试 K 个模型并选择其中的 M <= K，这样，其中 none 显然是 "beaten"。例如，如果我们将 (1s, 91%) 添加到前面的示例中，帕累托前沿将是 {(1s, 91%), (10days, 92%)} (as (1s, 90%) < (1s, 91%) , 其余的无法比较)。
现在您可以在集群设置中应用相同的问题。举例来说，您想要构建一个模型，该模型可以快速对新实例进行分类，最小化平均。每个集群内的距离，并且不会在每个集群中放入太多标有 X 的特殊实例。然后您将再次获得模型（集群），这些模型现在以 3 个不可比较的度量为特征，并且在多目标集群中您尝试处理这些问题（例如找到此类聚类的帕累托前沿）。