统计学 > 方法论
[提交于 2015年12月2日
]
标题: 微聚类:当聚类规模随数据集规模的生长次线性增长时
标题: Microclustering: When the Cluster Sizes Grow Sublinearly with the Size of the Data Set
摘要: 大多数用于聚类的生成模型隐式地假设每个簇中的数据点数量随着总数据点数量线性增长。 有限混合模型、Dirichlet过程混合模型以及Pitman--Yor过程混合模型都做出了这一假设,所有其他无限可交换的聚类模型也是如此。 然而,对于某些任务,这种假设是不理想的。 例如,在执行实体解析时,每个簇的大小通常与数据集的大小无关。 因此,每个簇只包含总数据点数量的一个微不足道的比例。 因此,这些任务需要能够产生簇的模型,其大小随数据集大小以次线性方式增长。 我们通过定义\emph{小聚类性质}并引入一种具有此特性的新模型来满足这一需求。 我们通过使用真实和模拟数据集检查模型拟合度,将该模型与几种常用的聚类模型进行了比较。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.