离散值数据稀疏聚类的阶段式学习
机器学习
2016-05-31 v2 机器学习
定量方法
摘要
EM算法在学习乘积分布混合模型时的性能常常依赖于初始化。这在众包及其他应用中可能成为问题，例如当少数“专家”被大量有噪声、不可靠的参与者稀释时。我们提出了一种由这些专家驱动的新EM算法。不同于其他方法，我们从单一混合类出发。该算法随后基于互信息准则以阶段式方式逐步发展“专家”集合。在每一阶段，EM在此参与者子集上操作，有效地对E步而非M步进行正则化。实验表明，阶段式EM在众包和神经科学应用中优于其他初始化技术，并且能引导完整EM获得与已知精确分布相当的结果。
引用
@article{arxiv.1506.02975,
title = {Stagewise Learning for Sparse Clustering of Discretely-Valued Data},
author = {Vincent Zhao and Steven W. Zucker},
journal= {arXiv preprint arXiv:1506.02975},
year = {2016}
}
备注
9 pages