через Лапласа сходства: находит невыпуклые и вложенные структуры.
Ключевые тезисы
- Строит сходства объектов, затем кластеризует в пространстве .
- Находит кластеры-кольца и спирали, недоступные .
- Сложность по памяти квадратична — на больших выборках нужны приближения.
Подробный разбор
- Построить сходства (например, гауссово ядро по расстояниям).
- Посчитать лапласиан и его нормированную версию.
- Взять с наименьшими собственными значениями.
- Кластеризовать строки полученной обычным .
- Находит кластеры-кольца, спирали и вложенные структуры, где бессилен.
- Естественно работает с данными, заданными сходства, а не координатами.
- Память на сходства — на больших выборках нужен разреженный k .
- Число кластеров подсказывает «спектральный зазор» — скачок в собственных значениях.
Связанные темы
Плотностная кластеризация
HDBSCAN85%
HDBSCAN · Обучение без учителяИерархическая версия DBSCAN: перебирает плотности автоматически и находит кластеры разной плотности.
DBSCAN85%
DBSCAN · Классическое машинное обучениеПлотностная кластеризация: кластеры — это связные области высокой плотности, остальное объявляется шумом.
Dimensionality Reduction85%
Снижение размерности · Обучение без учителяКомпактное представление данных, сохраняющее важную часть структуры.
Persistent Homology85%
Персистентные гомологии · Топологический анализ данныхЦентральный метод TDA: вместо одного порога ε рассматривается вся фильтрация, и отслеживается, когда топологические особенности рождаются и умирают.
Eigenvector85%
Собственный вектор · Математический справочникНаправление, сохраняющееся при линейном преобразовании с точностью до масштаба.
Глава «Обучение без учителя» последний раз правилась . Нашли ошибку — напишите.