统计学 > 方法论
[提交于 2025年7月16日
]
标题: 正则化k-POD:高维缺失数据的稀疏k-均值聚类
标题: Regularized k-POD: Sparse k-means clustering for high-dimensional missing data
摘要: 经典的k均值聚类方法,基于所有数据特征计算的距离,不能直接应用于存在缺失值的不完整数据。 k-POD是k均值到缺失数据的一种自然扩展,它仅使用观测到的条目进行聚类,计算效率高且灵活。 然而,对于高维缺失数据,包括与潜在聚类结构无关的特征,这些无关特征的存在会导致k-POD在估计聚类中心时产生偏差,从而损害其聚类效果。 尽管如此,现有的k-POD方法在低维情况下表现良好,突显了解决偏差问题的重要性。 为此,本文提出了一种正则化的k-POD聚类方法,将特征级别的正则化应用于现有k-POD聚类中的聚类中心。 对聚类中心的这种惩罚使得我们能够有效减少k-POD在高维缺失数据中的偏差。 据我们所知,我们的方法是第一个在保留计算效率和灵活性的同时,减轻高维缺失数据中k均值类型聚类偏差的方法。 模拟结果验证了所提出的方法能有效减少偏差并提高聚类性能。 在真实世界单细胞RNA测序数据中的应用进一步展示了所提出方法的实用性。
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.