evclust: Python library for evidential clustering

要約

クラスタリングの最近の開発傾向は、データ内のクラスターを識別するだけでなく、クラスターメンバーシップの不確実性を表現およびキャプチャするアルゴリズムの進歩です。
証拠クラスタリングは、不確実性を管理および表現するために設計されたフレームワークであるDempster-Shaferの信念関数の理論を使用して、これに対処します。
このアプローチは、各オブジェクトの潜在的なグループへの不確実な割り当てを定量化する構造化された質量関数セットである信用分割をもたらします。
このペーパーで提示されているPythonフレームワークEVClustは、クレジットパーティションを視覚化、評価、分析するためのツールと同様に、クラスタリングアルゴリズムをクラスタリングする効率的な証拠スイートを提供します。

要約(オリジナル)

A recent developing trend in clustering is the advancement of algorithms that not only identify clusters within data, but also express and capture the uncertainty of cluster membership. Evidential clustering addresses this by using the Dempster-Shafer theory of belief functions, a framework designed to manage and represent uncertainty. This approach results in a credal partition, a structured set of mass functions that quantify the uncertain assignment of each object to potential groups. The Python framework evclust, presented in this paper, offers a suite of efficient evidence clustering algorithms as well as tools for visualizing, evaluating and analyzing credal partitions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google