Обучение без учителя

Spectral Clustering

Спектральная кластеризация

актуальноТекущий рабочий стандарт

Направления: Машинное обучение · Обучение без учителя, Продвинутый ML · Геометрический ML

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

2 подтемы — объяснения, формулы, примеры и интерактивные графики.

  1. Построить сходства (например, гауссово ядро по расстояниям).
  2. Посчитать лапласиан и его нормированную версию.
  3. Взять с наименьшими собственными значениями.
  4. 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

Следующий шагДальше по связи: HDBSCANИерархическая версия DBSCAN: перебирает плотности автоматически и находит кластеры разной плотности.Перейти →

Глава «Обучение без учителя» последний раз правилась . Нашли ошибку — напишите.