问用于K均值聚类的H2O (开源)

EN

当您为Flow中的K-Means选择standardize时，它会在计算距离之前标准化列(设置如下所示)。

​

​

因此，为了回答您的问题，"within_cluster_sum_of_squares“是在执行标准化之后计算的距离计算。

您的度量值可能看起来太大的一个原因是，如果您期望H2O-3 \f25 Kmeans标准化选项执行标准化(e.g.normalize =x/ ||x||)而不是标准化(例如，标准化= (x -均值)/ sd)

来自k-means documentation的标准化选项概述如下：

标准化:启用此选项可标准化数值列，使其平均值和单位差异为零。强烈建议使用标准化；如果不使用标准化，则结果可能包括由变量主导的组件，这些变量相对于其他属性在规模上似乎具有更大的方差，而不是真正的贡献。默认情况下，此选项处于启用状态。

注意:如果启用了标准化，则在使用算法之前，每列数字数据都会居中并缩放，以使其平均值为零，标准差为1。在过程结束时，集群以标准化尺度(centers_std)和去标准化尺度(中心)为中心。为了去标准化中心，该算法乘以相应列的原始标准差，并添加原始平均值。启用标准化在数学上等同于在R中使用h2o.scale，在数值列上使用center = TRUE和scale = TRUE。因此，如果K均值启用标准化或不启用标准化，将没有明显的区别，因为H2O计算未标准化的质心。