Jul, 2023

基于测试的方法来评估分类数据的可聚类性

PDF
TL;DRTestCat 是一种基于测试的方法，通过计算属性对的卡方值总和作为分析 $p$- 值，来评估分类数据的群聚性。在基准分类数据集上的测试表明，TestCat 优于现有针对数值数据的群聚性评估方法，最有效地识别分类数据的群聚性。
发现论文，激发创造
  • 测试图的聚类能力：算法和下限

    本文提出了一种利用角度信息和奇异值分解的子线性时间图聚类算法，并在其基础上给出了测试聚类可行性的查询复杂度下界，并且通过这些技术，也实现了新的子线性时间下界近似最大割价值的问题。

    Aug, 2018

  • 在聚类性假设下聚类的计算可行性

    本文探讨了聚类的困难性和可聚类性的主题。作者提出了以前的研究和对聚类簇合法性的批判性评估。虽然我们相信聚类只有在数据不重要时才是困难的，但我们认为这个 CDNM 论点仍远未得到正式的实质性证明。在阐述了聚类簇合法性的基本要求后，本文评估了这些要求的现有结果，并概述了一些研究挑战和开放问题。

    Jan, 2015

  • 可解释聚类与可区分性标准

    基于全局的可区分性准则，本文提出了用于验证聚类分析结果以及确定数据集中聚类数量的方法，并将该准则与常用的聚类方法进行了整合，包括层次聚类、k-means 和有限混合模型。通过模拟研究和实际数据应用，我们展示了这些新算法的结果。

    Apr, 2024

  • 重新审视针对分类数据的差分隐私假设检验

    本文提出了一种新型假设检验方法，能够应用于含有隐私保护的差分隐私数据，并且其偏置较小、效果较好，解决了传统差分隐私假设检验方法中的问题。

    Nov, 2015

  • 作为双样本检验代理的分类准确性

    探究在高维情况下对分类器的精度验证，证明一种基于排列组合的测试方法具有连续性及德克斯特拉极限分布的高斯近似测试也具有连续性，并以高斯分布为例进一步研究了线性判别分析和 Hotelling's 测试等方法的功率。

    Feb, 2016

  • TriSig：三元组聚类的统计显著性评估

    提出一种统计框架来评估张量数据中的模式偏离零期望的概率，以减轻假阳性 / 虚假发现，并进一步修剪搜索空间，降低计算复杂度。结果表明，这种评估可以纳入现有的三元聚类算法中，并揭示了一些三元聚类算法的弱点。

    Jun, 2023

  • CrossCat: 一种完全贝叶斯的非参数方法，用于分析异质的高维数据

    CrossCat 是一种用于高维数据分析的通用方法，其基于一种层次化非参数模型用于数据表，并结合了混合建模和贝叶斯网络结构学习的优势，通过可扩展的 Gibbs 采样推断方法进行推断，可适用于多个领域的异构数据且具有竞争性的预测精度。

    Dec, 2015

  • 混合连续 - 分类变量的非参数条件独立性检验：一种新方法和数值评估

    条件独立性检验是机器学习中的常见任务，本文研究了混合类型数据集下基于 k 最近邻的 CMI 估计器，并提出了一种新的方法，该方法不将类别变量视为数值变量，数值实验结果显示我们的变体能更稳定地检测不同数据分布和预处理类型下的依赖关系。

    Oct, 2023

  • 信息论外部聚类有效性度量

    本研究提出了一种针对聚类算法进行 “外部” 评估的性能度量，该度量具有 “允许比较不同数量群集的量化和原则” 的特性，并且可以量化地衡量群集标签对于类标签作为预测变量的有用性。

    Dec, 2012

  • 基于核的条件独立性检验及其在因果发现中的应用

    提出了一种基于核的条件独立性检验方法（KCI-test），可以有效地在维数较高、条件集较大、样本容量较小的情况下进行条件独立性检验，并且实验证明该方法胜过其他方法。

    Feb, 2012