K 均值 VS K 模式？ （文本聚类）
K-Means VS K-Modes? (text clustering)
我知道 K-Means 可用于通过矢量化和查找文档的 TF-IDF 值来对文档进行聚类。 When/how 除了 categorical/continuous 变量定义之外，我们是否决定哪一个 (K-Means or K-modes) 可能产生更好的结果？一个人真的能给出更好的结果还是个案分析？
我已经使用 tf-idf 进行了 KMeans 聚类，它们似乎给出了不错的结果，但我找不到任何 material 比较两者来尝试 K-Modes。互联网上也有很多关于文本聚类的 k-means+tf-idf，但关于 k-modes 的内容并不多。感谢您的帮助！
K-modes 实际上只适用于分类数据。不适用于 稀疏 数值数据，如词袋或 tf-idf 向量。
考虑模式：它通常不会给出全零向量吗？那么你所有的集群均值将消失。
根据我的经验，文本上的 k-means 也很有效 非常 除了你的数据。因为它无法处理异常值，文本数据中充满了异常值文档。
我知道 K-Means 可用于通过矢量化和查找文档的 TF-IDF 值来对文档进行聚类。 When/how 除了 categorical/continuous 变量定义之外，我们是否决定哪一个 (K-Means or K-modes) 可能产生更好的结果？一个人真的能给出更好的结果还是个案分析？
我已经使用 tf-idf 进行了 KMeans 聚类，它们似乎给出了不错的结果，但我找不到任何 material 比较两者来尝试 K-Modes。互联网上也有很多关于文本聚类的 k-means+tf-idf，但关于 k-modes 的内容并不多。感谢您的帮助！
K-modes 实际上只适用于分类数据。不适用于 稀疏 数值数据，如词袋或 tf-idf 向量。
考虑模式：它通常不会给出全零向量吗？那么你所有的集群均值将消失。
根据我的经验，文本上的 k-means 也很有效 非常 除了你的数据。因为它无法处理异常值，文本数据中充满了异常值文档。