用r语言做文本挖掘的聚类，发现用k平均值法聚类的效果很差，大部分被分到了一类去。有什么好的聚类算法吗？
0
没有找到相关结果
重要提示：提问者不能发表回复，可以通过评论与回答者沟通，沟通后可以通过编辑功能完善问题描述，以便后续其他人能够更容易理解问题.
没有找到相关结果
推荐一份编程学习资源，包含了各类编程语言学习进阶路线图、视频教程、配套书籍文档、数百份面经，各大厂面试真题。编程语言包括：Java、前端、PHP、Python、Linux运维、软件测试、数据解构与算法、C语言、go语言等
微信扫码关注公众号，发送 "编程"获取资源
2 个回复
牟瑞 - 大数据 Hadoop 讲师 Hadoop入门课程地址：http://www.hellobi.com/course/39 有架构师，技术总监，CTO的职位请联系我！ 2016-04-08 回答
赞同来自: seng 、philbert
1.预测下或者你期望你的聚类会出现什么样的结果。
2.你的数据是不是噪声数据太多，没有进行充分的过滤。
你可以试一下DBScan算法
1. 与K-means方法相比，DBSCAN不需要事先知道要形成的簇类的数量。
2. 与K-means方法相比，DBSCAN可以发现任意形状的簇类。
3. 同时，DBSCAN能够识别出噪声点。
4.DBSCAN对于数据库中样本的顺序不敏感，即Pattern的输入顺序对结果的影响不大。但是，对于处于簇类之间边界样本，可能会根据哪个簇类优先被探测到而其归属有所摆动。
以上，仅供参考。
philbert 2016-04-25 回答
赞同来自:
1）任何聚类算法都有其适用的数据类型范畴，就你的案例而言选择什么样的算法首先要看你会将文本数据预处理成什么格式和类型的数据，要处理的数据确定了才好选择有针对性的算法。
2）如果希望在K-means上得到比较理想的结果，建议在进入算法之前对数据的噪声作尽量精细的处理，同时注意算法初始点的选择。