计算机科学 > 机器学习
[提交于 2025年6月5日
]
标题: 科学发现的无监督机器学习:工作流程与最佳实践
标题: Unsupervised Machine Learning for Scientific Discovery: Workflow and Best Practices
摘要: 无监督机器学习被广泛用于挖掘大规模的未标记数据集,在气候科学、生物医学、天文学、化学等领域实现数据驱动的发现。 然而,尽管其广泛应用,无监督学习工作流在做出可靠且可重复的科学发现方面缺乏标准化。 本文提出了一种用于科学领域应用无监督学习技术的结构化工作流。我们从制定可验证的科学问题开始,强调并讨论最佳实践,包括进行稳健的数据准备和探索、使用多种建模技术、通过评估无监督学习结论的稳定性和泛化能力来进行严格的验证,并促进结果的有效沟通和记录,以确保可重复的科学发现。 为了说明我们提出的流程,我们展示了一个来自天文学的案例研究,旨在根据银河系恒星的化学成分来精炼球状星团。 我们的案例研究突显了验证的重要性,并展示了精心设计的无监督学习工作流如何推动科学发现。
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.