Fast and explainable clustering based on sorting

要約

CLASSIX と呼ばれる高速で説明可能なクラスタリング手法を導入します。
これは 2 つのフェーズで構成されます。1 つは、ソートされたデータを近くのデータ ポイントのグループに貪欲に集約するフェーズで、その後にグループをクラスターにマージします。
このアルゴリズムは 2 つのスカラー パラメーター、つまり集約の距離パラメーターと最小クラスター サイズを制御するもう 1 つのパラメーターによって制御されます。
さまざまなクラスター形状と低レベルから高レベルの特徴次元を使用して、合成データセットと現実世界のデータセットのクラスタリング パフォーマンスを包括的に評価するために、広範な実験が行われています。
私たちの実験は、CLASSIX が最先端のクラスタリング アルゴリズムと競合することを示しています。
このアルゴリズムは線形空間計算量を備えており、幅広い問題に対してほぼ線形の時間計算量を実現します。
その本質的なシンプルさにより、計算されたクラスターの直感的な説明を生成できます。

要約(オリジナル)

We introduce a fast and explainable clustering method called CLASSIX. It consists of two phases, namely a greedy aggregation phase of the sorted data into groups of nearby data points, followed by the merging of groups into clusters. The algorithm is controlled by two scalar parameters, namely a distance parameter for the aggregation and another parameter controlling the minimal cluster size. Extensive experiments are conducted to give a comprehensive evaluation of the clustering performance on synthetic and real-world datasets, with various cluster shapes and low to high feature dimensionality. Our experiments demonstrate that CLASSIX competes with state-of-the-art clustering algorithms. The algorithm has linear space complexity and achieves near linear time complexity on a wide range of problems. Its inherent simplicity allows for the generation of intuitive explanations of the computed clusters.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google