×
克里斯蒂安·海宁

九种常用聚类方法的实证比较和特征描述。 （英语） Zbl 07538949号

高级数据分析。分类。，ADAC公司 16，第1期，201-229（2022）.
总结：九种常用的聚类方法应用于42个实际数据集。目的是通过多个聚类验证指数对方法进行详细描述，这些验证指数用于测量结果聚类的各个方面，如聚类内距离小、聚类分离、接近高斯分布等，如C.海宁[“通过测量与用户相关的聚类特征进行聚类验证”，载于：C.H.Skiadas（编辑）和J.R.Bozeman（编辑），数据分析和应用1：聚类和回归、建模估计、预测和数据挖掘。伦敦：Wiley ISTE.1-24（2019；网址：10.1002/9781119597568.ch1)]. 30个数据集具有“真”聚类。在这些数据集上，探索了从九种方法到“真”分类的聚类相似性。此外，混合效应回归将集群的可观察个别方面与“真实”集群的相似性联系起来，而真实的集群问题是不可观察的。这项研究不仅对这些方法发现“真实”聚类的能力提供了新的见解，还对这些方法可以预期的聚类属性提供了新见解，这对于在没有给定“真实”集群的实际情况下选择方法至关重要。

引用于三文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）

关键词：

集群基准测试;内部群集验证;外部群集验证;混合效应模型

软件：

EMMIX扭曲;MEMSS公司;麦克鲁斯特;AS 136标准;奥特里姆;群集查找;集群（R）;UCI-毫升;特伊根;消防车;S-PLUS系统;科恩拉布
PDF格式BibTeX公司 XML格式引用
\textit｛C.Hennig｝，高级数据分析。分类。，ADAC 16，编号1，201--229（2022；Zbl 07538949）
全文： 内政部 arXiv公司

参考文献：

[1] Ackerman，M。；Ben-David，S.，《聚类质量的度量：聚类公理的工作集》，Adv Neural Inf Process Syst NIPS，22，121-128（2008）
[2] Ackerman M、Ben-David S、Branzei S、Loker D（2012）加权聚类。摘自：第26届AAAI人工智能会议论文集，第858-863页
[3] Ackerman M、Ben-David S、Loker D（2010）《朝向基于属性的聚类范式分类》。主题：神经信息处理系统（NIPS）进展，第10-18页
[4] 阿道夫森。；Ackerman，M。；Brownstein，NC，To cluster，or not To cluster:可聚类性方法分析，模式识别，88，13-26（2019）
[5] 阿克汉利，东南部；Hennig，C.，《通过聚集校准的聚类有效性指数比较聚类和聚类数》，《统计计算》，30，5，1523-1544（2020）·兹比尔1452.62430
[6] Amigo，E。；Gonzalo，J。；Artiles，J。；Verdejo，F.，《基于形式约束的外部聚类评估指标比较》，Inf Retr，12，461-486（2009）
[7] 安德鲁奇，L。；Hennig，C.，分类数据的聚类：基于模型和基于距离的方法的比较，公共统计理论方法，43，704-721（2014）·Zbl 1287.62010年
[8] 安德鲁斯，JL；McNicholas，PD，基于模型的聚类、分类和多元t分布混合判别分析，统计计算，22，5，1021-1029（2012）·Zbl 1252.62062号
[9] 安德鲁斯，JL；威金斯，JR；新墨西哥州波尔斯；McNicholas，PD，teigen：通过多元分布进行基于模型的聚类和分类的R包，J Stat Softw，83，7，1-32（2018）
[10] 阿伯莱茨，O。；古鲁特哈加，I。；穆盖尔扎，J。；佩雷斯，JM；Perona，I.，《集群有效性指数的广泛比较研究》，《模式识别》，46，1，243-256（2013）
[11] Bagga A，Baldwin B（1998）使用向量空间模型进行基于实体的跨文档参考。收录：计算语言学协会第36届年会和第17届国际计算语言学会议记录（COLING-ACL 98）。ACL，Stroudsburg PE，第79-85页
[12] Boulesteix AL，Hatz M（2017）基于实际数据的聚类方法基准：统计视图。摘自：《数据科学：数据分析和聚类的创新发展》，柏林斯普林格出版社，第73-82页
[13] Boulesteix，AL，减少方法论计算研究中过度乐观报告的十条简单规则，PLoS Comput Biol，11（2015）
[14] 阿拉巴马州布列斯特克斯；劳尔，S。；Eugster，MJA，计算科学中性比较研究的诉求，《公共科学图书馆·综合》，8，e61562（2013）
[15] 布鲁斯科，MJ；Steinley，D.，最小组内平方和划分的启发式程序比较，《心理测量学》，72583-600（2007）·Zbl 1291.62196号
[16] 科雷托，P。；Hennig，C.，《稳健不恰当最大似然：调整、计算以及与稳健高斯聚类的其他方法的比较》，美国统计协会杂志，1111648-1659（2016）
[17] Correa-Morris，J.，《不同聚类方法的统一表示》，《模式识别》，46，2548-2561（2013）·Zbl 1323.68431号
[18] MC德苏托；科斯塔，IG；de Araujo，DS；卢德米尔，结核病；Schliep，A.，《聚类癌症基因表达数据：比较研究》，BMC Bioninform，9497（2008）
[19] Dimitriadou，E。；Barth，M。；Windischberger，C。；霍尼克，K。；Moser，E.，功能MRI聚类分析的定量比较，Artif Intell Med，3157-71（2004）
[20] Dua D，Graff C（2017）UCI机器学习库。http://archive.ics.uci.edu/ml
[21] Ester M，Kriegel HP，Sander J，Xu X（1996）一种基于密度的算法，用于在带有噪声的大型空间数据库中发现簇。摘自：Simoudis E，Han J，Fayyad UM（eds）KDD 96：第二届知识发现和数据挖掘国际会议记录。AAAI出版社，门罗公园，第226-231页
[22] Everitt，理学学士；朗道，S。；Leese，M。；Stahl，D.，聚类分析（2011），纽约：威利，纽约·Zbl 1274.62003年
[23] 费希尔，L。；Van Ness，J.，《可接受的聚类程序》，《生物统计学》，58，91-104（1971）·Zbl 0224.62030号
[24] 弗雷利，C。；Raftery，AE，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
[25] 哈尔基迪，M。；Vazirgiannis，M。；Hennig，C。；Hennig，C。；梅拉，M。；Murtagh，F。；Rocci，R.，《用于聚类验证和估计聚类数的方法依赖指数》，《聚类分析手册》，595-618（2015），博卡拉顿：CRC出版社，博卡拉顿·兹比尔1396.62136
[26] 哈蒂根，JA；Wong，MA，Algorithm as 136:a k-means聚类算法，Appl Stat，28，100-108（1979）·Zbl 0447.62062号
[27] Hennig C（2020）FPC：灵活的聚类程序。R包版本2.2-8
[28] Hennig，C。；Hennig，C。；梅拉，M。；Murtagh，F。；Rocci，R.，《聚类策略和方法选择》，《聚类分析手册》，703-730（2015），博卡拉顿：CRC出版社，博卡拉顿·Zbl 1396.62138号
[29] Hennig，C.，什么是真正的集群？，《图案识别快报》，64，53-62（2015）·Zbl 1026.62067号
[30] Hennig，C.，《关于比较聚类方法的模拟研究的一些想法》，Arch Data Sci Ser A，5，1，1-21（2018）
[31] Hennig，C。；瑞士斯基达斯；Bozeman，JR，通过测量与用户相关的聚类特征进行聚类验证，数据分析和应用1：聚类和回归，建模估计，预测和数据挖掘，1-24（2019），伦敦：ISTE有限公司，伦敦·Zbl 1416.62029号
[32] Hennig，C。；梅拉，M。；Hennig，C。；梅拉，M。；Murtagh，F。；Rocci，R.，《聚类分析：概述》，《聚类研究手册》，1-19（2015），博卡拉顿：CRC出版社，博卡拉通·Zbl 1396.62139号
[33] 休伯特，L。；Arabie，P.，比较分区，J Classif，2，2，193-218（1985）·Zbl 0587.62128号
[34] 休伯特，LJ；Schultz，J.，作为一般数据分析策略的二次分配，英国数学统计心理学杂志，29190-241（1976）·兹比尔0356.92027
[35] Jain AK、Topchy A、Law MHC、Buhmann JM（2004）《聚类算法的前景》。摘自：第17届模式识别国际会议（ICPR04）会议记录。IEEE Computer Society Washington，第1卷，第260-263页
[36] 北加尔丁。；Sibson，R.，《数学分类学》（1971），伦敦：威利出版社，伦敦·Zbl 0322.62065号
[37] Javed，A。；Lee，理学学士；Rizzo，DM，时间序列聚类基准研究，《马赫学习应用》，110001（2020）
[38] 卡拉佐格鲁，A。；Smola，A。；霍尼克，K。；Zeileis，A.，kernlab——R中内核方法的S4包，J Stat Softw，11，9，1-20（2004）
[39] 考夫曼，L。；Rousseeuw，PJ，《在数据中发现群体：聚类分析简介》（1990年），纽约：威利出版社，纽约·兹比尔1345.62009
[40] Kleinberg，J.，《聚类的不可能性定理》，Adv Neural Inf Process Syst NIPS，15463-470（2002）
[41] 寇，G。；彭，Y。；Wang，G.，《使用MCDM方法评估金融风险分析的聚类算法》，《信息科学》，275，1-12（2014）
[42] 李，SX；McLachlan，GJ，关于斜正态分布和斜t分布的混合，高级数据分析分类，7，241-266（2013）·Zbl 1273.62115号
[43] 刘，X。；Song，W。；黄，BY；张，T。；于斯。；Lin，GN；Di，X.，《大规模细胞术数据聚类方法的比较框架和指南》，《基因组生物学》，20，297（2019）
[44] Maechler M、Rousseeuw P、Struyf A、Hubert M、Hornik K（2019）《集群：集群分析基础与扩展》。R包版本2.1.0
[45] Maulik，美国。；Bandyopadhyay，S.，一些聚类算法和有效性指标的性能评估，IEEE Trans-Pattern Ana Mach Intell，24，12，1650-1654（2002）
[46] 麦克拉克伦，GJ；Peel，D.，有限混合模型（2000），纽约：威利，纽约·Zbl 0963.62061号
[47] Meila，M.，《比较聚类与基于信息的距离》，《多变量分析杂志》，98，5，873-895（2007）·兹比尔1298.91124
[48] 梅拉，M。；Hennig，C。；梅拉，M。；Murtagh，F。；Rocci，R.，《聚类比较标准》，《聚类分析手册》，619-635（2015），博卡拉顿：CRC出版社，博卡拉通·Zbl 1396.62150号
[49] 梅拉，M。；Heckerman，D.，《基于模型的聚类方法的实验比较》，Mach Learn，42，9-29（2001）·Zbl 0970.68075号
[50] Milligan，GW，《六种误差扰动对十五种聚类算法的影响的检验》，《心理测量学》，45，325-342（1980）
[51] Milligan，GW，对聚类分析的三十个内部标准测量的蒙特卡罗研究，Psycholometrika，46187-199（1981）·Zbl 0472.62070号
[52] 米利根，GW；Arabie，P。；休伯特，LJ；Soete，GD，聚类验证：应用分析的结果和影响，聚类和分类，341-375（1996），新加坡：世界科学出版社，新加坡·Zbl 0895.62069号
[53] Ng AY、Jordan MI、Weiss Y（2001）《关于光谱聚类：分析和算法》。发表于：Dietterich T、Becker S、Ghahramani Z（eds）《神经信息处理系统的进展》14（NIPS 2001）。NIPS，第1-8页
[54] 皮涅罗，JC；贝茨，DM，S和S-PLUS中的混合效应模型（2000），纽约：施普林格，纽约·Zbl 0953.62065号
[55] 罗德里格斯，MZ；科明，中国；卡萨诺娃，D。；OM布鲁诺；Amancio博士；科斯塔，L。；Rodrigues，FA，《聚类算法：比较方法》，PLoS ONE，14，e0210236（2019）
[56] 萨拉克利，S。；多根，N。；Dogan，I.，通过同系词相关性比较层次聚类分析方法，《不平等应用杂志》，203，89（2013）·Zbl 1279.62128号
[57] Scrucca，L。；Fop，M。；墨菲，TB；Raftery，AE，mclust 5:使用高斯有限混合模型进行聚类、分类和密度估计，R J，8，1，289-317（2016）
[58] 香农，CE，通信数学理论，贝尔系统技术杂志，27，3，379-423（1948）·Zbl 1154.94303号
[59] 斯坦利，D。；Brusco，MJ，评估基于模型的聚类的性能：建议和注意事项，心理学方法，16，63-79（2011）
[60] Van Mechelen I、Boulesteix AL、Dangl R、Dean N、Guyon I、Hennig C、Leisch F、Steinley D（2018）《集群分析中的基准：白皮书》。arXiv:1809.10496[统计]
[61] von Luxburg，美国。；威廉姆森，R。；Guyon，I.，集群：科学还是艺术？，JMLR研讨会会议程序，27，65-79（2012）
[62] Wang K，Ng A，McLachlan G（2018）EMMIXSew:EM算法和斜交混合分布。R包版本1.0.3
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。