Feb, 2024
基于核 KMeans 聚类的端到端无监督决策树分割
Kernel KMeans clustering splits for end-to-end unsupervised decision trees
Louis Ohl, Pierre-Alexandre Mattei, Mickaël Leclercq, Arnaud Droit, Frédéric Precioso
TL;DR使用贪婪最大化核 KMeans 目标,无需定义质心的 Kauri 方法,是一种用于集群的新型端到端训练的无监督二叉树,它在使用线性核时表现相同,对于其他核,Kauri 通常优于核 KMeans 和 CART 决策树的串联。