3
我有令人鼓舞的成果使用scikit学习的相似性传播实现集群一组实体名称，用修改哈罗 - 温克勒距离作为相似性度量，但我的集群仍然很多（即太许多假阳性）亲和传播偏好参数
我的scikit学习文档，存在着影响簇的数目的“优先”参数，结合下面的描述中看到：
偏好：阵列状，形状（N_SAMPLES次，）或浮动，可选
点设定为每一个点 - 具有较大的偏好值的点更可能被选择作为范例。示例的数量，即集群的数量受输入偏好值的影响。如果首选项未作为参数传递，则它们将设置为输入相似度的中位数。 [0]
然而，当我开始与这个值修修补补，我发现价值的一个很窄的范围是给我要么太多集群（preference=-11.13）或过少群（preference=-11.11）。
有一些方法来确定偏好参数的一个“合理”的值应该是什么？那么为什么我无法获得非极端数量的群集呢？
类似的问题：
Affinity Propagation - Cluster Imbalance
Affinity Propagation preferences initialization
不要过度拟合参数！ –
我知道！在这种情况下，我们手动审查输出，使我们有一个“正确”应该是什么样子的良好意识。 – nitrl
我尝试玩平均和最小（点的相似之处）和其功能，以获得体面的偏好。我仍然在努力寻找一种实际上可行的方法。 – Apollys