基于 kappa 与 F-score 的选择性聚类集成
机器学习
2022-04-26 v1
摘要
聚类集成在提升划分结果的准确性与鲁棒性方面表现优异，近年来备受关注。选择性聚类集成（SCE）可通过依据多样性与稳定性选择基划分或簇来进一步提升集成性能。然而，多样性与稳定性之间存在冲突，如何二者间权衡具有挑战性。此处关键是如何评估基划分与簇的质量。本文中，我们提出一种利用 kappa 与 F-score 对划分和簇进行评估的新方法，从而形成一种新 SCE 方法：其利用 kappa 选择信息量大的基划分，并利用 F-score 基于稳定性对簇加权。所提方法的有效性与效率在真实数据集上经实证验证。
引用
@article{arxiv.2204.11062,
title = {Selective clustering ensemble based on kappa and F-score},
author = {Jie Yan and Xin Liu and Ji Qi and Tao You and Zhong-Yuan Zhang},
journal= {arXiv preprint arXiv:2204.11062},
year = {2022}
}