简单均匀采样对含离群点的基于中心聚类的效果:何时及为何有效?
机器学习
2023-10-04 v5 计算几何
数据库
摘要
现实世界数据集常含离群点,其存在可使聚类问题更具挑战性。本文提出一种简单均匀采样框架,用于求解三个代表性的含离群点基于中心聚类问题:-center/median/means 含离群点聚类。我们的分析根本不同于先前(均匀与非均匀)基于采样的思路。为从理论解释均匀采样有效性,我们引入一种“显著性”度量,并证明框架性能依赖于给定实例的显著程度。特别地,若假设给定实例“显著”(实践中实为相当合理之假设),样本量可独立于输入数据规模 与维数 。因其简单性,均匀采样方法在实践中亦较非均匀采样方法具若干显著优势。据我们所知,这是首个从理论与实验两方面系统研究均匀采样有效性的工作。
引用
@article{arxiv.2103.00558,
title = {Is Simple Uniform Sampling Effective for Center-Based Clustering with Outliers: When and Why?},
author = {Jiawei Huang and Wenjie Liu and Hu Ding},
journal= {arXiv preprint arXiv:2103.00558},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:1905.10143