多秩稀疏层次聚类
机器学习
2017-07-05 v2 机器学习
摘要
随着医学研究及其他领域信息收集与存储能力的提升，包含大量特征但观测值相对较少的大型扁平数据集数量激增。层次聚类是一种广泛使用的聚类工具。在层次聚类中，大型扁平数据集可能更好地覆盖聚类特征（有助于解释真实潜在聚类的特征），但此类数据集通常包含大量噪声特征（非聚类特征），从而掩盖潜在聚类。Witten 和 Tibshirani (2010) 提出了一种稀疏层次聚类框架，利用自适应选择的特征子集对观测值进行聚类；然而，我们表明，当数据集包含具有复杂结构的聚类特征时，该框架存在局限性。本文提出了多秩稀疏层次聚类（MrSHC）。通过模拟研究和真实数据示例，我们展示了与经典（现成）层次聚类及现有稀疏层次聚类框架相比，MrSHC 能产生更优越的特征选择和聚类性能。
引用
@article{arxiv.1409.0745,
title = {Multi-rank Sparse Hierarchical Clustering},
author = {Hongyang Zhang and Ruben H. Zamar},
journal= {arXiv preprint arXiv:1409.0745},
year = {2017}
}