【Science】颠覆三观的超强聚类算法

  这篇文章是自己在上大数据分析课程时老师推荐的一篇文章,当时自己听着也是对原作者当年的的思路新奇非常敬佩,相信很多伙伴也会非常感兴趣,就来做个分享吧。原论文于2014年发表于Science期刊杂志上。

Science官网截图

  • 论文题目:Clustering by fast search and find of density peaks

所解决的问题?

  作者提出了一种更加强大的聚类算法,其对参数的依赖更少,泛化能力更强。集成了k-meansDBSCAN算法的思想。

背景

  在研究问题前,我们先做综述算法分析,看看研究进展,还有未研究问题,需要归纳总结,从实际问题,不同门类的研究问题,发现共性问题。这是科研的基本素养。作者正是基于规划总结各类聚类算法得出一种更强的聚类算法。

  如今已有很多聚类的方法,但是这些聚类方法针对很多衡量方式都没有达成一致,也就是缺少一种通用的方式,或者说generalization不够。k-means是完全聚类,无法分辨噪声。K参数选择也比较困难,对于非凸形状也无法处理。DBSCAN可以聚类任意形状,但是找一个恰当的minpoint也比较玄学,并且对$\varepsilon$参数敏感。

所采用的方法?

  聚类的中心点会有什么特征呢?作者提出了两点直观的理解,之后对其量化建模:

  1. Cluster centers are surrounded by neighbors with lower local density。(聚类的中心周围都是比它密度低的点)。也就是说聚类中心周围密度较低,中心密度较高。
  2. They are a relatively large distance from any points with a higher local density。(聚类中心点与其它密度更高的点之间通常都距离较远)。

  也就是满足这两个点才能成为聚类中心点

  因此,对于每个样本点 $i$ 计算两个值:

  1. 局部密度值(local density):$\rho_{i}$

$$\rho_{i}=\sum_{j} \chi\left(d_{i j}-d_{\mathrm{c}}\right)$$

  其中函数:

$$\chi(x)=\left{\begin{array}{ll}
1, & x<0 \
0, & x \geq 0
\end{array}\right.$$

  参数 $d_{c} > 0$ 为截断距离(cutoff distance),需要事先指定。

  1. 距离的定义如下:

$$\delta_{i}=\left{\begin{array}{ll}
\min _{j \in I_{S}^{i}}\left{d_{i j}\right}, & I_{S}^{i} \neq \emptyset \
\max _{j \in I_{S}}\left{d_{i j}\right}, & I_{S}^{i}=\emptyset
\end{array}\right.$$

  对于非局部密度最大点,计算距离$\delta_{i}$实际上分两步 :

  • 找到所有局部密度比$i$点高的点;
  • 在这些点中找到距离$i$点最近的那个点$j$,$i$和$j$的距离就是$\delta_{i}$的值。

  对于局部密度最大点,$\delta_{i}$实际上是该点和其他所有点距离值的最大值。

取得的效果?

决策图

  依据上述决策图进行定性分析,结合主观判断才得到最终的结果。可以看到聚类中心为1和10。26、27、28为离群点(outlier)。

实验结果

实验结果

算法与k-means对比分析结果

参考链接

  论文链接http://sites.psu.edu/mcnl/fil...

  代码实现https://github.com/lanbing510...

我的微信公众号名称:深度学习先进智能决策
微信公众号ID:MultiAgent1024
公众号介绍:主要研究深度学习、强化学习、机器博弈等相关内容!期待您的关注,欢迎一起学习交流进步!
推荐阅读
关注数
286
内容数
36
主要研究分享深度学习、机器博弈、强化学习等相关内容!公众号:深度学习与先进智能决策
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息