sklearn 如何计算谱聚类的最近邻亲和矩阵？
How does sklearn compute nearest-neighbor affinity matrix for spectral clustering?
天真地，如果我将最近邻居的数量指定为 k，那么对于每个节点，它会伸出手寻找最近的 k 个节点并将它们的亲和力指定为 1。
但是，我观察到sklearn谱聚类最近邻生成的亲和矩阵不只包含0和1。是因为最近邻居列表中可能存在联系吗？所以我将 1/n 分配给 n 个同样接近的相邻节点？
sklearn spectral clustering "nearest neighbor" 选项计算出的亲和矩阵中的值为 0、1/2 和 1。
值0和1很容易理解，但是1/2项是怎么产生的呢？
注意k近邻的概念对于两个节点是非对称的，因此，使用k近邻得到的亲和矩阵A是非对称的。但是谱聚类使用的相似度矩阵是对称的，因此谱聚类取A和A.T.
的平均值
1/2 值来自 A 中的不对称元素。
天真地，如果我将最近邻居的数量指定为 k，那么对于每个节点，它会伸出手寻找最近的 k 个节点并将它们的亲和力指定为 1。
但是，我观察到sklearn谱聚类最近邻生成的亲和矩阵不只包含0和1。是因为最近邻居列表中可能存在联系吗？所以我将 1/n 分配给 n 个同样接近的相邻节点？
sklearn spectral clustering "nearest neighbor" 选项计算出的亲和矩阵中的值为 0、1/2 和 1。
值0和1很容易理解，但是1/2项是怎么产生的呢？
注意k近邻的概念对于两个节点是非对称的，因此，使用k近邻得到的亲和矩阵A是非对称的。但是谱聚类使用的相似度矩阵是对称的，因此谱聚类取A和A.T.
的平均值1/2 值来自 A 中的不对称元素。