回復:安定性ベース相対クラスタリング検証による最良のクラスタリング解を決定するためのPythonパッケージ【JST・京大機械翻訳】

Landi Isotta; Mandelli Veronica; Lombardo Michael V.

プレプリント

J-GLOBAL ID：202202205647400740 整理番号：21P0046887

回復:安定性ベース相対クラスタリング検証による最良のクラスタリング解を決定するためのPythonパッケージ【JST・京大機械翻訳】

reval: a Python package to determine best clustering solutions with stability-based relative clustering validation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年08月27日プレプリントサーバーでの情報更新日： 2020年11月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

データセットに対する最良の分割の決定は,1)教師なし学習フレームワーク内の先験的情報の欠如のため,困難なタスクである。2)クラスタリング解を評価するユニークなクラスタリング検証手法の欠如。ここでは,安定性に基づく相対的クラスタリング検証法を利用するPythonパッケージを,データに最もよく一般化するものとして最良のクラスタリング解を決定するために,提示する。RとPythonの両方における統計的ソフトウェアは,通常,データに最も良く適合するクラスタの数を選択するために,シルエットのような内部検証メトリックに依存する。一方,相対的クラスタリング技術を容易に実装するオープンソースソフトウェアソリューションは不足している。内部検証法はデータ自体の特性を利用して結果を生成するが,相対的手法は一般化可能かつ複製可能な結果を探すデータポイントの未知の根底にある分布を利用する試みを試みている。相対的検証法の実施は,異なる状況および異なるデータ分布におけるクラスタリング結果を研究するために使用できる既に利用可能な方法を強化することにより,クラスタリングの理論をさらに高めることができる。本研究は,データの無意味部分集合上で,教師つき学習を介して複製する1つとして最良のクラスタリング解を選択する安定性ベース手法を開発することにより,この努力に寄与することを目指した。パッケージは多重クラスタリングと分類アルゴリズムで動作し,従ってラベリングプロセスの自動化と種々のクラスタリング機構の安定性の評価を可能にする。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能

, , , , , ,

前のページに戻る