分层定性聚类：对含关键定性信息的混合数据集进行聚类
机器学习
2020-07-07 v3 机器学习
摘要
聚类可用于从数据中提取见解或验证领域专家所持的某些假设，即数据分割。文献中很少有方法能够在不损失可解释性的前提下，利用数据中其他变量所关联的上下文对定性值进行聚类。此外，用于计算定性值之间相异度的度量在高维混合数据集上往往扩展性很差。在本研究中，我们提出一种基于分层聚类（HQC）并利用最大均值差异的定性值聚类新方法。HQC 保持了数据集中原有定性信息的可解释性。我们将 HQC 应用于两个数据集。利用 Spotify 提供的混合数据集，我们展示了该方法如何基于数千首歌曲的定量特征对音乐艺术家进行聚类。此外，利用公司的财务特征，我们对公司行业进行聚类，并讨论了在投资组合分散化中的含义。
引用
@article{arxiv.2006.16701,
title = {Hierarchical Qualitative Clustering: clustering mixed datasets with critical qualitative information},
author = {Diogo Seca and João Mendes-Moreira and Tiago Mendes-Neves and Ricardo Sousa},
journal= {arXiv preprint arXiv:2006.16701},
year = {2020}
}
备注
12 pages, 3 figures, 1 table. For more info see https://github.com/diogoseca/qualitative-clustering