我正在使用Coursera上的Andrew Ng的机器学习课程。在讨论聚类时，他告诉我们K-表示聚类算法是使用最广泛的算法。我还使用Kruskal的算法进行了较早的聚类，这是一种非常有效的算法，具有路径压缩和基于等级的并集。是什么让K均值优于Kruskal算法？
Kruskal的算法和k-means聚类通常会产生非常不同的聚类，因为它们经过优化以查找不同的事物。
例如，考虑一条线上的n个点或多或少均匀地隔开，除了每个点离其右侧点比其左侧点稍远一些。也就是说，如果缩小，则或多或少会看到n个均匀分布的点，但是放大时，您会发现距离并不完全相同，而是从左向右增加。
Kruskal的算法找到最大分离聚类，这意味着它将节点分开，以使聚类之间的距离尽可能大。在这种情况下，最大分隔聚类在k = 2的情况下会是什么样？由于距离随着从左向右移动而增加，因此会发现“除最右边的节点以外的所有东西”和“最右边的节点”之外的所有聚类。]
另一方面，K-均值聚类找到最小化集群内方差的聚类，这意味着它对节点进行了分组，因此聚类的节点通常彼此接近。在上述数据集上运行k均值会将点大致沿中心线分成一半，返回两个大小相同的簇。
那么哪个是“更好的”集群？这取决于您的应用程序。我会怀疑，我们经常希望第二个集群，因为我们希望集群中的节点尽可能彼此相似。这就是为什么我们经常看到k均值聚类比Kruskal的算法使用更多的原因，尽管在某些情况下，Kruskal非常有用。
请注意，这种关注与效率成正比。是的，Kruskal的算法非常快，但是它的计算方式不同于k-means的计算方式。
希望这会有所帮助！