基于 t-SNE、DBSCAN 与随机森林的数据分割
机器学习
2021-01-14 v2 应用统计
摘要
本研究提出一种数据分割算法,其结合 t-SNE、DBSCAN 与 Random Forest 分类器,形成一个端到端流水线,将数据分离为自然簇,并基于最重要的特征生成每个簇的特征轮廓。可推断样本外簇标签,且该技术在真实数据集上泛化良好。我们描述了该算法,并提供了使用 Iris 与 MNIST 数据集以及来自 Instagram 的真实社交媒体站点数据的案例研究。这是一个概念验证,并为进一步的深入理论分析奠定了基础。
引用
@article{arxiv.2010.13682,
title = {Data Segmentation via t-SNE, DBSCAN, and Random Forest},
author = {Timothy DeLise},
journal= {arXiv preprint arXiv:2010.13682},
year = {2021}
}
备注
7 pages, 7 figures, short paper