DiSC：特征的差分谱聚类
机器学习
2022-11-11 v1 机器学习
摘要
选取能够区分两种条件的特征子集是众多科学领域中的关键任务。在许多应用中，感兴趣的特征会对当前数据形成具有相似效应的簇。为了恢复此类簇，我们开发了 DiSC，这是一种用于检测区分不同条件的特征组的数据驱动方法。针对每种条件，我们构建一个图，其节点对应于特征，其权重为该条件下特征间相似性的函数。随后，我们应用谱方法计算节点子集，使得这些节点在特定条件的特征图之间的连通性存在显著差异。在理论方面，我们基于随机块模型通过一个简单示例分析了该方法。我们在包括 MNIST、高光谱成像、模拟 scRNA-seq 和任务态 fMRI 在内的多种数据集上对 DiSC 进行了评估，结果表明，与竞争方法相比，DiSC 能够揭示出更好地区分不同条件的特征。
引用
@article{arxiv.2211.05314,
title = {DiSC: Differential Spectral Clustering of Features},
author = {Ram Dyuthi Sristi and Gal Mishne and Ariel Jaffe},
journal= {arXiv preprint arXiv:2211.05314},
year = {2022}
}
备注
Accepted at NeurIPS 2022