基于小波特征提取与无监督聚类的奇偶检测：一种特征工程视角
机器学习
2025-11-04 v1 信号处理
摘要
本文探讨了一种刻意过度设计的经典问题——奇偶检测（即确定一个数字是奇数还是偶数）的方法，通过结合小波基于特征提取与无监督聚类。本文不依赖模运算，而是将整数转换为小波域表示，从中提取多尺度统计特征，并使用k-means算法进行聚类。所得特征空间揭示了奇数和偶数之间的有意义结构差异，在无标签监督的情况下实现了约为69.67%的分类准确率。这些结果表明，最初为连续数据设计的经典信号处理技术，仍能在纯粹离散符号领域中揭示潜在结构。除奇偶检测外，本研究为如何 repurposing 特征工程和聚类用于非常规机器学习问题提供了 illustrative 案例，潜在地桥接符号推理与特征基础学习。
引用
@article{arxiv.2511.00071,
title = {Wavelet-Based Feature Extraction and Unsupervised Clustering for Parity Detection: A Feature Engineering Perspective},
author = {Ertugrul Mutlu},
journal= {arXiv preprint arXiv:2511.00071},
year = {2025}
}
备注
8 pages, 2 figures. Code: github.com/Ertugrulmutlu/Using-Wavelets-and-Clustering-to-Predict-Odd-or-Even-Numbers