我有一个分类数据集，我正在对其进行谱聚类。但是我得到的输出并不是很好。我选择了对应于最大特征值的特征向量作为k-means的中心点。
请查看我遵循的过程如下：
1. 使用Jaccard系数创建一个对称的相似性矩阵(m*m)。例如，对于一个数据集，a,b,c,d和a,b,x,y，我计算的相似性矩阵看起来像：|1 0.33| |0.33 1 |2. 计算对应于最大特征值的前k个特征向量，其中k是聚类的数量。3. 归一化对称的相似性矩阵4. 使用特征向量作为k-means的初始中心点，对归一化的相似性矩阵进行聚类。我的问题是：
计算Jaccard相似性矩阵是否是谱聚类的正确选择。选择特征向量作为谱聚类的聚类中心点是否正确，因为对于分类数据集我没有看到其他选项。我遵循的程序是否有任何错误。回答：
据我所知，你混合和打乱了多种方法。难怪它不起作用…
- 你可以简单地使用Jaccard距离（Jaccard相似性的简单倒数）+ 层次聚类
- 你可以使用MDS来投影你的数据，然后进行k-means（可能是你试图做的事情）
- 亲和传播等方法也值得一试
