pLSIを試してみた - のんびり読書日記これまでにK-means++とfuzzy c-meansを使用したクラスタリングを試してきましたが、今回はpLSI(probabilistic latent semantic indexing, 潜在的意味インデキシング)によるクラスタリングを試してみようと思います。 pLSIは確率・統計的な枠組みで次元縮約を行う枠組みで、なかなか精度がよいらしく色々な論文で見かけます。Google NewsのレコメンドでもpLSIを使用しており、MapReduceで処理を並列化させて高速に実行しているそうです(論文読んでないので間違っているかも)。また入力ベクトルをあらかじめ重み付けしておく必要がなく、文書であれば単語の頻度をそのまま入力として使用できるのもうれしいところです。 より詳しくは以下のWikipediaのエントリか、書籍をご参照下さい。(書籍は処理結果の表8.4が並びがグチャグチャになってる
https://svn.scms.waikato.ac.nz/svn/weka/branches/stable-3-6/weka/src/main/java/weka/clusterers/XMeans.java
K-means++: The Advantages of Careful Seeding Sergei Vassilvitskii David Arthur (Stanford university) Given points in split them into similar groups. Clustering n Rd k Given points in split them into similar groups. Clustering n Rd k This talk: k-means cl
