×
傅伟;帕特里克·O·佩里。

使用交叉验证估计集群数量。 （英文） Zbl 07499280号

J.计算。图表。斯达。 29，第1期，162-173（2020年）.
摘要：许多集群方法，包括\（k\）-means，都要求用户指定集群数量作为输入参数。已经设计了多种方法来自动选择簇数，但它们通常依赖于强大的建模假设。本文提出了一种基于新型交叉验证的数据驱动方法来估计簇数。该方法不同于普通的交叉验证，因为聚类从根本上来说是一个无监督的学习问题。仿真和实际数据分析结果表明，该方法优于现有方法，尤其是在具有异质或重尾噪声的高维环境中。在酵母细胞周期数据集中，该方法发现了一个具有可解释基因组的简约聚类。本文的补充材料可在网上获得。

引用于4文件

MSC公司：

62至XX 统计

关键词：

群集;交叉验证;\（k）-表示;型号选择;无监督学习

软件：

质量（R）;消防车;e1071号;集群（R）;ggplot2;R（右）;麦克卢斯特;作为136;ElemStatLearn（电子状态学习）;Nb俱乐部
PDF格式BibTeX公司 XML格式引用
\textit{W.Fu}和\textit{P.O.Perry}，J.Compute。图表。Stat.29，No.1，162--173（2020；Zbl 07499280）
全文： 内政部 arXiv公司

参考文献：

[1] Ben-Hur，A。；Elisseeff，A。；Guyon，I.，在聚类数据中发现结构的一种基于稳定性的方法，7，6-17（2001）
[2] Caliánski，T。；Harabasz，J.，“聚类分析的枝晶方法”，《统计学中的通信——理论和方法》，3，1-27（1974）·Zbl 0273.62010 ·doi:10.1080/03610927408827101
[3] 查拉德，M。；北加扎利。；波伊托，V。；Niknafs，A.，“NbClust:确定数据集中相关簇数的R包”，《统计软件杂志》，61，1-36（2014）·doi:10.18637/jss.v061.i06
[4] M.M.T.蒋。；Mirkin，B.，“k-Means聚类中聚类数的智能选择：不同聚类扩散的实验研究”，《分类杂志》，27，3-40（2010）·Zbl 1337.62127号 ·doi:10.1007/s00357-010-9049-5
[5] Cho，R.J。；坎贝尔，M.J。；Winzeler，E.A。；斯坦梅茨，L。；Conway，A。；沃迪卡，L。；沃尔夫斯堡，T.G。；Gabrielian，A.E。；Landsman，D。；洛克哈特·D·J。；Davis，R.W.，“有丝分裂细胞周期的全基因组转录分析”，《分子细胞》，265-73（1998）·doi:10.1016/S1097-2765（00）80114-8
[6] Dortet-Bernadet，J.-L。；Wicker，N.，“单位球面上基于模型的聚类与基因表达谱图解”，生物统计学，9，66-80（2008）·Zbl 1274.62761号 ·doi:10.1093/biostatistics/kxm012
[7] 方，Y。；Wang，J.，“通过Bootstrap方法选择簇数”，计算统计与数据分析，56468-477（2012）·Zbl 1239.62076号 ·doi:10.1016/j.csda.2011.09.003
[8] 弗雷利，C。；Raftery，A.E.，“基于模型的聚类、判别分析和密度估计”，《美国统计协会杂志》，97，611-631（2002）·Zbl 1073.62545号 ·doi:10.1198/016214502760047131
[9] 藤田，A。；高桥，D.Y。；Patriota，A.G.，“估算集群数量的非参数方法”，计算统计与数据分析，73，27-39（2014）·Zbl 1506.62064号 ·doi:10.1016/j.csda.2013.11.012
[10] Gabriel，K.R.，Le Biplot-Outil d’Exploration de Données Multidimensionalles，“法国社会统计杂志，143，5-55（2002）
[11] Hartigan，J.A.，《聚类算法》（1975），纽约：威利，纽约·Zbl 0372.62040号
[12] Hartigan，J.A。；Wong，M.A.，“算法AS 136:k均值聚类算法”，《皇家统计学会杂志》，C辑，28，100-108（1979）·Zbl 0447.62062号 ·doi:10.2307/2346830
[13] 哈斯贝克，J.M.B。；Wulff，D.U.，《集群：集群分析基础与扩展》，R包0.2-2版（2018年）
[14] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素：数据挖掘、推断和预测》，《统计学中的斯普林格系列》（2009），纽约：斯普林格出版社，纽约·Zbl 1273.62005年
[15] Hennig，C.，“fpc:集群的灵活程序，R包版本2.1-10（2015）
[16] Jain，A.K.，“数据聚类：超越K-Means的50年”，《模式识别快报》，第31期，第651-666页（2010年）·doi:10.1016/j.patrec.2009.09.011
[17] Jain，A.K。；Murty，M.N。；Flynn，P.J.，“数据聚类：综述”，ACM计算调查，31264-323（1999）·doi:10.145/31499.331504
[18] Maechler，M。；卢梭，P。；Struyf，A。；休伯特，M。；Hornik，K.，《集群：集群分析基础与扩展》，R软件包2.0.7-1版（2018年）
[19] Mangasarian，O.L。；塞提诺，R。；Wolberg，W.，大尺度数值优化，“通过线性规划的模式识别：医学诊断的理论和应用”，22-31（1990），费城，宾夕法尼亚州：SIAM，费城·Zbl 0726.90096号
[20] 梅耶，D。；Dimitriadou，E。；霍尼克，K。；Weingessel，A。；Leisch，F.，“e1071:概率理论小组统计部的其他功能（原名：e1071），TU Wien，R包版本1.6-8（2017）
[21] A.B.欧文。；Perry，P.O.，“SVD和非负矩阵分解的双交叉验证”，《应用统计学年鉴》，3564-594（2009）·Zbl 1166.62047号 ·doi:10.1214/08-AOAS227
[22] Pollard，D.，“k-Means聚类的强一致性”，《统计年鉴》，9135-140（1981）·Zbl 0451.62048号 ·doi:10.1214/aos/1176345339
[23] Pomeroy，S.L。；Tamayo，P。；加森贝克，M。；斯图拉·L·M。；安吉洛，M。；McLaughlin，M.E。；Kim，J.Y。；Goumnerova，L.C。；布莱克，P.M。；Lau，C。；Allen，J.C.，“基于基因表达的中枢神经系统胚胎肿瘤预后预测”，《自然》，415436-442（2002）·数字对象标识代码：10.1038/415436a
[24] R核心团队，R：统计计算的语言和环境（2018），奥地利维也纳：R统计计算基金会，奥地利维也纳
[25] Schlimmer，J.C.，《通过表征调整获得概念》（1987年）
[26] Scrucca，L。；Fop，M。；墨菲，T.B。；Raftery，A.E.，“mclust 5:使用高斯有限混合模型进行聚类、分类和密度估计”，《R期刊》，第8期，第205-233页（2016年）·doi:10.32614/RJ-2016-021
[27] 糖，C.A。；James，G.M.，“找出数据集中的簇数”，《美国统计协会杂志》，98，750-763（2003）·Zbl 1046.62064号 ·doi:10.1198/0162145000000666
[28] Tavazoie，S。；休斯·J·D。；坎贝尔，M.J。；Cho，R.J。；Church，G.M.，“遗传网络结构的系统决定”，《自然遗传学》，22228-285（1999）·doi:10.1038/10343
[29] Tibshirani，R。；Walther，G.，“通过预测强度进行聚类验证”，《计算与图形统计杂志》，第14期，第511-528页（2005年）·doi:10.1198/106186005X59243
[30] Tibshirani，R。；Walther，G。；Hastie，T.，“通过差距统计估计数据集中的簇数”，《皇家统计学会期刊》，B辑，63，411-423（2001）·Zbl 0979.62046号 ·数字对象标识代码：10.1111/1467-9868.00293
[31] 韦纳布尔斯，W.N。；里普利，B.D.，《现代应用统计与S》（2002），纽约：施普林格出版社，纽约·Zbl 1006.62003号
[32] Wang，J.，“通过交叉验证一致选择簇数”，《生物特征》，97893-904（2010）·Zbl 1204.62104号 ·doi:10.1093/biomet/asq061
[33] Wickham，H.，ggplot2：数据分析的优雅图形（2016），纽约：Springer-Verlag，纽约·Zbl 1397.62006年
[34] Wilson，E.B.，“概率推断、继承法则和统计推断”，《美国统计协会杂志》，22，209-212（1927）·doi:10.1080/01621459.1927.10502953
[35] Wold，S.，“因子和主成分模型中成分数量的交叉验证估计”，《技术计量学》，第20期，第397-405页（1978年）·Zbl 0403.62032号 ·网址：10.1080/00401706.1978.10489693
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。