可扩展聚类：带离群点高斯混合模型的大规模无监督学习
机器学习
2024-10-16 v1 机器学习
摘要
聚类是一种广泛应用的技术，在诸多领域有着悠久而丰富的历史。然而，大多数现有算法难以良好扩展到大型数据集，或缺乏收敛的理论保证。本文引入一种基于损失最小化的、可证明鲁棒的聚类算法，其在带离群点的高斯混合模型上表现良好。该算法在特定假设下以高概率获得高准确度，提供了理论保证。此外，它也可用作 -means 聚类的初始化策略。在真实世界大规模数据集上的实验证明了该算法在聚类大量簇时的有效性，且由该算法初始化的 -means 算法在速度与准确度上均优于许多经典聚类方法，同时能良好扩展到如 ImageNet 等大型数据集。
引用
@article{arxiv.2302.14599,
title = {Scalable Clustering: Large Scale Unsupervised Learning of Gaussian Mixture Models with Outliers},
author = {Yijia Zhou and Kyle A. Gallivan and Adrian Barbu},
journal= {arXiv preprint arXiv:2302.14599},
year = {2024}
}