K-Means、Ward 和 DBSCAN 的重复性研究
机器学习
2025-12-24 v1 人工智能
摘要
可重复性在机器学习中至关重要，因为它确保模型或实验产生相同的科学结论。对于特定算法，若以位级相同结果实现可重复性，也是科学完整性的关键，因为这有助于调试。我们将几个非常流行的聚类算法：K-Means、DBSCAN 和 Ward 分解为其基本步骤，并识别实现每一阶段可重复性所需的条件。我们使用 Python 库 scikit-learn 的实现示例来检查每种方法的可重复性方面。我们的结果揭示了在 OpenMP 线程数超过两个时，K-Means 结果不一致。本工作旨在提高此问题在用户和开发者之间的意识，鼓励进一步调查和潜在修复。
引用
@article{arxiv.2512.19772,
title = {A K-Means, Ward and DBSCAN repeatability study},
author = {Anthony Bertrand and Engelbert Mephu Nguifo and Violaine Antoine and David Hill},
journal= {arXiv preprint arXiv:2512.19772},
year = {2025}
}