スペクトラルクラスタリングは次元圧縮しながらKmeansする手法 - 武蔵野日記
機械学習系のエントリを続けて書いてみる。クラスタリングについて知らない人は以下のエントリ読んでもちんぷんかんぷんだと思うので、クラスタリングという概念については知っているものとする。 それで、今日はスペクトラルクラスタリングの話。自然言語処理以外でも利用されているが、これはグラフのスペクトルに基づくクラスタリングの手法で、半教師あり学習への拡張がやりやすいのが利点。なにをするかというとクラスタリングをグラフの分割問題(疎であるエッジをカット)に帰着して解く手法で、どういうふうに分割するかによって Normalized cut (Ncut) とか Min-max cut (Mcut) とかいろいろある。 完全にグラフが分割できる場合はこれでめでたしめでたしなのだが、実世界のグラフはそんな簡単に切れないことが往々にしてある。それで近似してこのグラフ分割問題を解くのだが、Normalized c
K-means 法を D3.js でビジュアライズしてみた
クラスタリングの定番アルゴリズム K-means 法（K平均法）の動作原理を理解するために、D3.js を使って可視化してみました。 図をクリックするか [ステップ] ボタンを押すと、1ステップずつ処理を行います [最初から] ボタンを押すと、最初の状態に戻ります [新規作成] ボタンを押すと、N (ノード数) と K (クラスタ数) の値で新しく初期化します 古いブラウザーではうまく表示できない可能性があります (IE 10、Firefox 25、Chrome 30 で動作確認しています) K-Means 法とは 英語版 Wikipedia の k-means clustering - Wikipedia, the free encyclopedia の手順に沿って実装しています。 英語版の手順をザックリと書くとこんなイメージになります。 初期化: N 個のノード (丸印) と K 個の
Affinity Propagation によるクラスタリング - nojimaの日記
Affinity Propagation というクラスタリングのアルゴリズムがあるらしいので調べてみた． Affinity Propagation は，同じクラスタリングのアルゴリズムである k-means と比較すると次のようなメリットがある． 予めクラスタ数を決めておく必要がない．アルゴリズムが自動的にクラスタ数を決定する． 初期値依存性がない．k-means は，クラスタの中心点の初期値の選び方によって結果が変わる． 類似度 s(i,j) の制約が緩い．s(i,j) は，対称でなくてもいいし，三角不等式をみたしてなくてもよい．k-means は，可測であることを仮定している． Affinity Propagation は，k-means と同じく，漸化式を反復計算していくアルゴリズムで，計算時間は，データ点の数をN，反復回数をTとして O(TN^2) となる．ただし，類似度 s(i,
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
