.png){kind=icon}
返回
Clusterability test for categorical data
.png){kind=icon}
OA
AI
DOI：10.1007/s10115-024-02317-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
聚类性评估的目的是检查数据集中是否存在聚类结构。作为聚类分析中一个关键但常被忽视的问题，在应用任何聚类算法之前进行此类测试至关重要。如果一个数据集不可聚类，任何后续的聚类分析都不会产生有效结果。尽管其重要性，现有研究大多集中于数值数据，使得对分类数据聚类性评估的问题仍是一个开放性问题。在此，我们提出TestCat，一种基于测试的方法，通过分析p值来评估分类数据的聚类性。TestCat的核心思想是，可聚类的分类数据具有许多强关联的属性对，因此采用所有属性对卡方统计量的总和作为计算p值的检验统计量。我们将该方法应用于一组基准分类数据集，结果表明TestCat在性能上优于基于现有数值数据聚类性评估方法的解决方案。据我们所知，本研究为有效识别分类数据的聚类性提供了第一种具有统计严谨性的方法。
Keyword:
Clusterability
Categorical data
Clustering structure
Statistical hypothesis test
期刊
IF:
3.1
论文数:
548
被引数:
5.2K
机构
暂无机构信息
引用论文
分享收藏An extensive comparative study of cluster validity indices聚类有效性指标的广泛比较研究.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Nomclust 2.0: an R package for hierarchical clustering of objects characterized by nominal variables
PREAI
分享收藏
查看更多内容