基于模型选择的稳健可扩展聚类方法——Truecluster

数据驱动的分类是大多数科学分支的基本问题。尽管近年来在统计计算和聚类等领域取得了巨大进展，但聚类仍面临一些普遍挑战：模型选择、鲁棒性和大规模数据集的可扩展性。我们考虑决定给定任意空间定义和聚类性质下最优聚类数的重要问题。我们展示了如何构建聚类信息准则，以实现客观模型选择。与其他方法不同，truecluster 方法不需要对底层分布、距离定义或聚类模型作出特定假设。Truecluster 将任意聚类算法纳入通用统一（基于抽样的）统计框架。它能够处理大规模数据集，提供稳健的聚类分配和案例级诊断。Truecluster 将使聚类更客观，可实现自动化，节省时间和成本。提供免费的 R 软件。