Degree Matrix in Spectral Clustering

我目前正在学习谱聚类。

我们分解了拉普拉斯矩阵,该矩阵通过公式 L = D – W 计算得出。

W 是邻接矩阵。

然而,我在网上发现了很多代码,例如谱聚类

它们直接通过 diag(sum(W)) 计算 D。

我知道 D 应该是度矩阵,这意味着对角线上的每个值都是每个点的度数。

但如果 W 是一个加权图,diag(sum(W)) 并不等于实际的“度矩阵”…

为什么他们仍然这样做呢?


回答:

当你处理加权图时,你可以从加权邻接矩阵计算度矩阵,有时权重是有用的,因为它们隐藏了几何信息。此外,如果你有加权邻接矩阵,使用加权邻接矩阵的二进制形式计算度矩阵是很容易的。另外,我认为你的问题更多是理论基础(例如 Mathoverflow),而不是编程基础(例如 stackoverflow) 😉 。无论如何,你应该参考这个 链接 以获得对 L 及其几何关系的更直观的解释。

祝你好运 🙂

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注