利用左 Gram 矩阵对高维数据进行聚类
机器学习
2022-02-17 v1 机器学习
摘要
对于高维数据，其中 N 个对象的 P 个特征（P >> N）表示在 N×P 矩阵 X 中，我们描述了一种基于归一化左 Gram 矩阵 G = XX'/P 的聚类算法。在特定正则条件下，G 中对应于同一簇中对象的行收敛到相同的均值向量。通过对行均值聚类，该算法不需要通过降维或特征选择技术进行预处理，也不需指定调优或超参数值。由于基于 N×N 矩阵 G，其计算代价低于许多基于特征矩阵 X 聚类的方法。当与应用于 32 个基准微阵列数据集的 14 种其他聚类算法比较时，所提算法提供最准确底层簇结构估计的频率是其最接近竞争者的两倍以上。
引用
@article{arxiv.2202.08236,
title = {Using the left Gram matrix to cluster high dimensional data},
author = {Shahina Rahman and Valen E. Johnson and Suhasini Subba Rao},
journal= {arXiv preprint arXiv:2202.08236},
year = {2022}
}