面向混合多视图数据的集成广义凸聚类优化与特征选择
统计方法学
2019-12-12 v1 机器学习
摘要
在混合多视图数据中,在同一组样本上测量了多组不同的特征。通过整合所有可用数据源,我们试图发现样本间共同的群组结构,这些结构可能在单一数据视图的个体聚类分析中被隐藏。虽然已有若干此类集成聚类技术被探索,我们提出并发展了一种凸形式化方法,其将继承日益流行的凸聚类方法的强统计、数学和实证性质。具体而言,我们的集成广义凸聚类优化(iGecco)方法对每个不同数据视图采用不同的凸距离、损失或散度,并结合联合凸融合惩罚以产生共同群组。此外,当每个数据源为高维时,集成混合多视图数据通常具有挑战性。为在此类情景下执行特征选择,我们发展了自适应偏移组套索(shifted group-lasso)惩罚,通过将特征收缩至其损失特定中心来选择特征。我们所谓的iGecco+方法从每个数据视图中选择最适于确定群组的特征,通常带来改进的集成聚类。为拟合我们的模型,我们开发了一种新型广义多块ADMM算法,使用子问题近似,可更高效地为大数据集拟合我们的模型。通过一系列数值实验以及文本挖掘与基因组学上的真实数据示例,我们展示了iGecco+在高维混合多视图数据上实现了优越的实证性能。
引用
@article{arxiv.1912.05449,
title = {Integrative Generalized Convex Clustering Optimization and Feature Selection for Mixed Multi-View Data},
author = {Minjie Wang and Genevera I. Allen},
journal= {arXiv preprint arXiv:1912.05449},
year = {2019}
}