测量误差对聚类算法的影响
机器学习
2020-05-26 v1 机器学习
摘要
聚类是一组常用的技术，用于将数据划分为有意义的组别以供进一步分析。许多用于聚类的数据源已知包含随机和系统测量误差。此类误差可能对聚类产生不利影响。尽管已开发出若干技术来处理这一问题，但人们对这些解决方案的有效性知之甚少。此外，迄今尚无工作考察系统误差对聚类结果的影响。本文通过蒙特卡洛研究，探讨了两种常用聚类算法——带合并的高斯混合模型(GMMs with merging)和 DBSCAN——对随机误差和系统误差的敏感性。我们发现，当测量误差为系统性且影响数据集中所有变量时，问题尤为严重。在本文所考虑的条件下，我们还发现基于划分的带合并成分的 GMM 比基于密度的 DBSCAN 方法对测量误差更不敏感。
引用
@article{arxiv.2005.11743,
title = {The effect of measurement error on clustering algorithms},
author = {Paulina Pankowska and Daniel L. Oberski},
journal= {arXiv preprint arXiv:2005.11743},
year = {2020}
}