Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.04553

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2506.04553 (cs)
[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

Authors:Andersen Chang, Tiffany M. Tang, Tarek M. Zikry, Genevera I. Allen
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。
摘要: Unsupervised machine learning is widely used to mine large, unlabeled datasets to make data-driven discoveries in critical domains such as climate science, biomedicine, astronomy, chemistry, and more. However, despite its widespread utilization, there is a lack of standardization in unsupervised learning workflows for making reliable and reproducible scientific discoveries. In this paper, we present a structured workflow for using unsupervised learning techniques in science. We highlight and discuss best practices starting with formulating validatable scientific questions, conducting robust data preparation and exploration, using a range of modeling techniques, performing rigorous validation by evaluating the stability and generalizability of unsupervised learning conclusions, and promoting effective communication and documentation of results to ensure reproducible scientific discoveries. To illustrate our proposed workflow, we present a case study from astronomy, seeking to refine globular clusters of Milky Way stars based upon their chemical composition. Our case study highlights the importance of validation and illustrates how the benefits of a carefully-designed workflow for unsupervised learning can advance scientific discovery.
评论: 23页,4幅图,12页额外的参考文献
主题: 机器学习 (cs.LG) ; 应用 (stat.AP); 计算 (stat.CO); 机器学习 (stat.ML)
引用方式: arXiv:2506.04553 [cs.LG]
  (或者 arXiv:2506.04553v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.04553
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Tarek Zikry [查看电子邮件]
[v1] 星期四, 2025 年 6 月 5 日 01:58:45 UTC (6,817 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
stat
stat.AP
stat.CO
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号