基于最近不相交质心的分类
机器学习
2022-02-10 v2 机器学习
摘要
在本文中，我们提出了一种基于最近质心的新分类方法，称为最近不相交质心分类器。我们的方法在以下两方面不同于最近质心分类器：（1）质心基于不相交的特征子集而非所有特征定义；（2）距离由维度归一化范数而非欧氏范数诱导。我们给出了关于该方法的一些理论结果。此外，我们提出了一种基于自适应 k-means 聚类的简单算法，可找到方法中使用的特征不相交子集，并将该算法扩展以执行特征选择。我们在模拟数据和真实基因表达数据集上评估并比较了我们的方法与其他分类方法的性能。结果表明，我们的方法在各种设置和情形下能够通过更小的误分类率和/或使用更少的特征优于其他竞争分类器。
引用
@article{arxiv.2109.10436,
title = {Classification with Nearest Disjoint Centroids},
author = {Nicolas Fraiman and Zichao Li},
journal= {arXiv preprint arXiv:2109.10436},
year = {2022}
}