双原型分析：基于极值同时学习观测与特征
统计方法学
2024-05-24 v2 应用统计
机器学习
摘要
我们引入一种称为双原型分析（biarchetype analysis）的新探索性技术，它将原型分析扩展到同时识别观测与特征的原型。这一创新的无人监督机器学习工具旨在通过纯类型实例（或双原型）来表示观测与特征，其易于解释，因为它们体现了观测与特征的混合。此外，观测与特征被表示为双原型的混合，这使数据结构更易理解。我们提出一种求解双原型分析的算法。尽管聚类并非该技术的主要目的，但双原型分析被证明相较双聚类方法具有显著优势，尤其在可解释性方面。这归因于双原型是极值实例，而双聚类产生的是质心，后者本质上增强了人类理解。双原型分析在各种机器学习挑战中的应用凸显了其价值，其源代码与示例可在 https://github.com/aleixalcacer/JA-BIAA 的 R 和 Python 中获取。
引用
@article{arxiv.2311.11153,
title = {Biarchetype analysis: simultaneous learning of observations and features based on extremes},
author = {Aleix Alcacer and Irene Epifanio and Ximo Gual-Arnau},
journal= {arXiv preprint arXiv:2311.11153},
year = {2024}
}