利用MM原理处理K-means聚类中的不完全数据
机器学习
2022-12-26 v1
摘要
在众多聚类算法中，K-means 聚类算法因其算法简单、收敛快速而被广泛使用。然而，该算法受困于不完全数据，即部分样本缺失了某些属性。为解决此问题，我们主要应用 MM 原理来恢复数据的对称性，从而使 K-means 能良好工作。我们给出了算法的伪代码并使用标准数据集进行实验验证。实验的源代码可在以下链接公开获取：\url{https://github.com/AliBeikmohammadi/MM-Optimization/blob/main/mini-project/MM%20K-means.ipynb}。
引用
@article{arxiv.2212.12379,
title = {Using MM principles to deal with incomplete data in K-means clustering},
author = {Ali Beikmohammadi},
journal= {arXiv preprint arXiv:2212.12379},
year = {2022}
}
备注
Majorize-Minimization (MM) Optimization with Machine Learning Applications, 5 pages, 2 figures