深度图像嵌入聚类方法在表格数据上的有效性
机器学习
2023-01-12 v2 人工智能
神经与进化计算
摘要
文献中的深度学习方法通常在图像数据集上进行基准测试，而这些数据集作为非图像表格数据的基线可能并不合适或有效。在本文中，我们采取以数据为中心的视角，开展了针对表格数据深度嵌入聚类的首批研究之一。我们将为图像数据集提出的八种聚类方法及最先进的嵌入聚类方法在七个表格数据集上进行了测试。我们的结果表明，一种传统聚类方法在八种方法中排名第二，且优于大多数深度嵌入聚类基线。我们的观察与文献一致，即表格数据的传统机器学习仍是抗衡深度学习的稳健方法。因此，最先进的嵌入聚类方法应考虑学习架构的以数据为中心的定制化，以成为表格数据上具有竞争力的基线。
引用
@article{arxiv.2212.14111,
title = {Effectiveness of Deep Image Embedding Clustering Methods on Tabular Data},
author = {Sakib Abrar and Ali Sekmen and Manar D. Samad},
journal= {arXiv preprint arXiv:2212.14111},
year = {2023}
}