×
迪米特里斯·伯西马斯；阿格尼·奥法努达基；霍莉·威伯格

可解释聚类：一种优化方法。 （英语） Zbl 07432799号

机器。学习。 110，编号1，89-138（2021）.
摘要：最先进的聚类算法几乎没有深入了解聚类成员的基本原理，限制了它们的可解释性。在复杂的实际应用中，当专家被要求对他们的算法建议提供详细解释时，后者对机器学习的采用构成了障碍。我们提出了一种新的无监督学习方法，该方法利用混合整数优化技术生成可解释的基于树的聚类模型。利用灵活的优化驱动框架，我们的算法逼近全局最优解，从而实现高质量的特征空间划分。我们提出了一种新的方法，可以优化各种聚类内部验证指标，并自然地确定最佳聚类数。它成功地解决了混合数值和分类数据的挑战，在合成和真实数据集上取得了与其他聚类方法相当或优越的性能，同时提供了显著更高的可解释性。

引用于4文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

群集；可解释性；无监督学习；混合整数优化

软件：

剪影；k平均值++；群集R；聚类算法；朱莉娅
PDF格式BibTeX公司 XML格式引用
\textit{D.Bertsimas}等人，马赫。学习。110，编号1，89--138（2021；Zbl 07432799）
全文： 内政部

参考文献：

[1] Arthur，D.和Vassilvitskii，S.（2007）。k-means++：仔细播种的优点。第18届ACM-SIAM离散算法研讨会论文集（第1027-1035页）。工业和应用数学学会·Zbl 1302.68273号
[2] 巴萨克，J。；Krishnapuram，R.，通过构建无监督决策树进行可解释的层次聚类，IEEE知识与数据工程汇刊，17，121-132（2005）·doi:10.1109/TKDE.2005.11
[3] Bertsimas博士。；Dunn，J.，最优分类树，机器学习，106，7，1039-1082（2017）·Zbl 1455.68159号 ·doi:10.1007/s10994-017-5633-9
[4] Bertsimas博士。；Dunn，J.，《现代优化视角下的机器学习》（2019），沃尔瑟姆：动态思想出版社
[5] Bertsimas博士。；阿拉斯加州奥黑尔；《滑轮银行》，WR，《分析边缘》（2016），沃尔瑟姆：动态思想出版社
[6] Bezanson，J.、Karpinski，S.、Shah，V.B.和Edelman，A.（2012）。朱莉娅：一种用于技术计算的快速动态语言。arXiv预印本。arXiv：1209.5145·Zbl 1356.68030号
[7] Blockeel，H.，De Raedt，L.，&Ramon，J.（2000），聚类树的自上而下诱导。arXiv预印本。arXiv:cs/0011032。
[8] 布雷曼，L。；弗里德曼，J。；斯通，CJ；Olshen，RA，分类和回归树（1984），博卡拉顿：CRC出版社，博卡拉顿·Zbl 0541.62042号
[9] Chavent，M。；基诺，C。；Lechevallier，Y。；Tenenhaus，M.，《Méthodes divisives de classification et segmentation non-supervisiveée:recherche d'une typelogie de la peau humaine saine，Revue de Statistique Appliquee，47，4，87-99》（1999）
[10] Daniel Levy，SB，《改变心意：解开心血管疾病的奥秘》（2006），纽约：Vintage，纽约
[11] Diday，E.和Simon，J.C.（1976年）。聚类分析（第47-94页）。柏林：斯普林格。doi:10.1007/978-3-642-96303-23·兹比尔0331.62043
[12] Doshi-Velez，F.和Kim，B.（2017年）。走向可解释机器学习的严格科学。arXiv预印本。arXiv:1702.08608。
[13] Dunn，JC，Well-sparated clusters and optimal fuzzy partitions，《控制论杂志》，4，1，95-104（1974）·Zbl 0304.68093号 ·doi:10.1080/01969727408546059org/10.1080/019697274086059
[14] Dunn，J.W.（2018）。预测和处方的最佳树。麻省理工学院博士论文。
[15] 杜兰，B。；Odell，P.，《聚类分析》，100（1974），柏林：施普林格出版社，柏林·兹比尔0291.62069
[16] 埃斯特，M。；惠普公司Kriegel；桑德，J。；Xu，X.，在有噪声的大型空间数据库中发现簇的基于密度的算法，Kdd，96，226-231（1996）
[17] 埃弗哈特，J。；Wright，D.，糖尿病是胰腺癌的危险因素：一项荟萃分析，JAMA，273201605-1609（1995）·doi:10.1001/jama.1995.03520440059037
[18] Feinleib，M。；Kannel，W。；加里森，R。；麦克纳马拉，P。；卡斯泰利，W.，《弗雷明翰后代研究》。设计和初步数据，预防医学，4，4，518-525（1975）·doi:10.1016/0091-7435（75）90037-7
[19] Forgy，EW，多元数据的聚类分析：分类的效率与可解释性，生物统计学，21768-769（1965）
[20] R·弗雷曼。；加塔斯，B。；Svarc，M.，使用无监督二叉树的可解释聚类，数据分析和分类进展，7，2，125-145（2013）·Zbl 1267.62075号 ·doi:10.1007/s11634-013-0129-3
[21] Goodman，B.和Flaxman，S.（2016年）。欧盟关于算法决策和“解释权”的规定。arXiv预印本。arXiv:1606.08813。
[22] 哈斯勒，M。；Piekenbrock，M。；Doran，D.，dbscan:《使用r快速基于密度的聚类》，《统计软件杂志》，第91、1、1-30条（2019年）·doi:10.18637/jss.v091.i01
[23] 哈尔基迪，M。；巴蒂斯塔基斯，Y。；Vazirgiannis，M.，《集群验证技术》，《智能信息系统杂志》，17，2，107-145（2001）·Zbl 0998.68154号 ·doi:10.1023/A：1012801612483
[24] Hancock，T.P.、Coomans，D.H.和Everingham，Y.L.（2003）。使用CART的监督层次聚类。2003年澳大利亚昆士兰州汤斯维尔MODSIM国际建模与仿真大会会议记录（第1880-1885页）。
[25] Hastie，T.、Tibshirani，R.和Friedman，J.（2009年）。无监督学习。《统计学习的要素》（第485-585页）。斯普林格·Zbl 1273.62005年
[26] 阿拉斯加州贾恩；明尼苏达州默蒂；弗林，PJ，《数据聚类：综述》，ACM计算调查，31，3，264-323（1999）·数字对象标识代码：10.1145/331499.331504
[27] Jolliffe，I.（2011）。主成分分析。国际统计科学百科全书（第1094-1096页）。斯普林格。
[28] Kannel，WB，《血压作为心血管风险因素：预防和治疗》，JAMA，275，20，1571-1576（1996）·doi:10.1001/jama.1996.03530440051036
[29] 克里姆·H。；Hamza，AB，《信号和图像分析中的几何方法》（2015），剑桥：剑桥大学出版社，剑桥·Zbl 1329.00010号 ·doi:10.1017/CBO9781139523967
[30] Larose，DT；Larose，CD，《发现数据中的知识：数据挖掘简介》（2014），霍博肯：威利，霍博克·JFM 27.0320.04号
[31] Liu，B.、Xia，Y.和Yu，P.S.（2000年）。通过构建决策树进行聚类。第九届信息和知识管理国际会议论文集——CIKM’00，弗吉尼亚州麦克莱恩（第20-29页）。doi:10.1145/354756.354775。arXiv:1011.1669v3。
[32] Liu，Y.、Li，Z.、Xiong，H.、Gao，X.和Wu，J.（2010）。了解内部集群验证措施。IEEE第十届国际数据挖掘会议（ICDM），2010年（第911-916页）。电气与电子工程师协会。
[33] MacQueen，J.（1967）。多元观测值分类和分析的一些方法。第五届伯克利数理统计与概率研讨会论文集，第1卷：统计学（第281-297页）。加州伯克利：加利福尼亚大学出版社·Zbl 0214.46201号
[34] Maulik，美国。；Bandyopadhyay，S.，一些聚类算法和有效性指标的性能评估，IEEE模式分析和机器智能汇刊，24，12，1650-1654（2002）·doi:10.1109/TPAMI.2002.1114856
[35] Mouselimis，L.（2019）。ClusterR：高斯混合模型、K-Means、Mini-Batch-Kmeans、K-Medoids和亲和传播聚类。R包版本，1（2）。
[36] 奥夫纳，PJ；摩尔，EE；Biffl，WL，男性是术后主要感染的危险因素，《外科档案》，134,9935-940（1999）·doi:10.1001/archsurg.134.9935
[37] Piatetsky-Shapiro，G。；杰拉巴，C。；盖托，L。；格罗斯曼，R。；费尔德曼，R。；Zaki，M.，数据挖掘的重大挑战是什么Kdd-2006小组报告，ACM SIGKDD探索新闻稿，8，2，70-77（2006）·数字对象标识代码：10.1145/1233321.123330
[38] 拉德夫，DR；Jing，H。；史提西，M。；Tam，D.，《基于中心的多文档摘要》，信息处理与管理，40，6，919-938（2004）·Zbl 1134.68367号 ·doi:10.1016/j.ipm.2003.10006
[39] Rao，CR，《应用研究中主成分分析的使用和解释》，Sankhyá：印度统计杂志，A辑（1961-2002），26，4，329-358（1964）·兹伯利0137.37207
[40] Rousseeuw，PJ，Silhouettes:聚类分析解释和验证的图形辅助，《计算与应用数学杂志》，20，53-65（1987）·Zbl 0636.62059号 ·doi:10.1016/0377-0427（87）90125-7
[41] Ruspini，E.H.（1970）。模糊聚类的数值方法。信息科学，2（3），319-350·Zbl 0205.21301号
[42] Sneath，P.H.、Sokal，R.R.等人（1973年）。数值分类法。数字分类的原理与实践·Zbl 0285.92001
[43] Stepp，RE；Michalski，RS，结构化对象的概念聚类：面向目标的方法，人工智能，28，1，43-69（1986）·doi:10.1016/0004-3702（86）90030-5
[44] Ultsch，A.（2005）。基本群集问题套件（FCPS）。马尔堡大学技术报告。
[45] 宾夕法尼亚州沃尔夫；达戈斯蒂诺，苏格兰皇家银行；坎内尔，WB；博尼塔，R。；Belanger，AJ，吸烟是中风的危险因素：弗雷明翰研究，JAMA，259，7，1025-1029（1988）·doi:10.1001/jama.1988.03720070025028
[46] Wu，J.、Xiong，H.和Chen，J.（2009）。调整k均值聚类的正确度量。第15届ACM SIGKDD知识发现和数据挖掘国际会议论文集（第877-886页）。ACM公司。
[47] 杨琼。；Wu，X.，数据挖掘研究中的10个挑战性问题，国际信息技术与决策杂志，5，4，597-604（2006）·doi:10.1142/S0219622006002258
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。