应用于无监督调查的聚类算法比较
计算机与社会
2018-12-14 v2 机器学习
机器学习
摘要
在考虑用数据回答重要问题时，无监督数据提供了广泛的洞察机会和独特挑战。本研究以学生调查数据为例，具体目标是将学生聚类为相似群体，其潜在概念是识别不同的贫困水平。在数据清洗和组织阶段考虑模糊逻辑，有助于创建用于分析比较的逻辑因变量。使用多种数据降维技术，对调查数据进行了降维和清洗。最后，应用并比较了多种聚类技术（k-means、k-modes 和层次聚类）。尽管每种方法各有优势，但目标是确定哪种方法应用于调查数据，特别是试图识别最贫困学生时最为可行。
引用
@article{arxiv.1811.12210,
title = {A comparison of cluster algorithms as applied to unsupervised surveys},
author = {Kathleen Campbell Garwood and Ph. D. and Arpit Arun Dhobale},
journal= {arXiv preprint arXiv:1811.12210},
year = {2018}
}