一种用于混合类型数据双聚类的贝叶斯模型
机器学习
2019-02-07 v1 机器学习
摘要
我们提出一种最大后验(MAP)贝叶斯方法，用于对混合类型数据表执行并评估双聚类。所提出的模型推断所有变量的最优分割，随后通过最小化贝叶斯模型选择代价函数来进行双聚类。该方法的一个优点是不需要用户设定参数。另一个主要优点是所提出的准则能够精确度量模型质量，即以拟合数据的概率来度量。该准则的连续优化确保找到越来越好的模型，同时避免数据过拟合。在真实数据上进行的实验表明了该双聚类方法在大型数据集探索性数据分析中的价值。
引用
@article{arxiv.1902.02056,
title = {Un mod\`ele Bay\'esien de co-clustering de donn\'ees mixtes},
author = {Aichetou Bouchareb and Marc Boullé and Fabrice Rossi and Fabrice Clérot},
journal= {arXiv preprint arXiv:1902.02056},
year = {2019}
}
备注
in French