图聚类中为什么要先将数据集变成距离矩阵再变成相似度矩阵

在进行图聚类时，首先需要将数据集转换成一个图的形式，其中节点表示数据集中的样本，边表示样本之间的相似度。而相似度矩阵可以作为图的邻接矩阵，因此将数据集转换成相似度矩阵是图聚类的第一步。

但是，通常情况下，我们很难直接得到样本之间的相似度。因此，需要通过计算样本之间的距离来间接地计算相似度。常见的距离有欧几里得距离、曼哈顿距离、余弦相似度等。通过将距离转换成相似度，可以更好地反映样本之间的关系，从而更准确地进行图聚类。因此，将数据集变成距离矩阵再变成相似度矩阵是图聚类中必要的步骤。