Jun, 2024
自监督编码器对未见数据集的聚类的实证研究
An Empirical Study into Clustering of Unseen Datasets with Self-Supervised Encoders
Scott C. Lowe, Joakim Bruslund Haurum, Sageev Oore, Thomas B. Moeslund, Graham W. Taylor
TL;DR用预训练模型在未被训练的数据集上进行推理，探讨其嵌入是否能够形成有意义的聚类，评估自监督模型的嵌入，发现不同于监督模型，自监督模型在训练领域内表现更好，在训练领域外则相反，而微调模型则展示了相反的趋势，聚类提供了一种评估自监督学习表示的方法，可用于无真实标签的数据的聚类性能，UMAP 降维空间中的轮廓系数与聚类性能高度相关，可以被用作对没有真实标签的数据的聚类性能的替代指标。