基于硬阈值的正则化 K-means
机器学习
2020-10-05 v1 机器学习
统计方法学
摘要
我们研究了一类基于直接对簇中心大小进行惩罚的正则化-means方法框架。通过模拟和理论分析考虑并比较了不同的惩罚策略。基于结果，我们提出HT -means，其使用惩罚在变量中诱导稀疏性。讨论并比较了选择调谐参数的不同技术。所提方法在广泛的模拟研究中优于最流行的正则化-means方法。最后，将HT -means应用于几个真实数据示例。在这些示例中给出并使用了图形展示，以更深入地理解数据集。
引用
@article{arxiv.2010.00950,
title = {Regularized K-means through hard-thresholding},
author = {Jakob Raymaekers and Ruben H. Zamar},
journal= {arXiv preprint arXiv:2010.00950},
year = {2020}
}