无监督聚类方法的评价指标必须依赖于数据和聚类结果的内在属性，例如聚类的紧凑性和分离性，与外部知识的一致性，以及同一算法不同运行结果的稳定性。 本文将全面概述Scikit-Learn库中用于 ...

在自然语言处理任务中，句子嵌入的聚类技术扮演着重要角色。其主要应用场景包括减少数据冗余、提升索引检索效率、为无标签数据生成伪标签，以及识别单一句子构成的孤立集群中的异常样本 ...

在医疗、金融和社会科学等多个领域，对聚类方法的需求不断增长；理想的方法不仅能够在数据中发现高质量簇，还应在簇之间提供内在顺序，以支持更优的决策制定与风险评估。传统聚类方法虽然在数据分组方面有效，但在提供可解释且结构化的簇方面往往存在不足。本文提出稀疏单调聚类（ 在医疗、金融和社会科学等多个领域，对聚类方法的需求不断增长；理想的方法不仅能够在数据中发现高质量簇，还应在簇之间提供内在顺序，以支持更优的 ...

随着机器学习和生成式因子挖掘技巧的发展，因子管理和组合成为了研究领域重点专注的方向。本文参考了较新的聚类算法文献综述，从计算机科学的视角整理了实际运用于多个自然科学领域的 ...

摘要：通过分区(Regionalization)识别山洪(Flash Flood)均质区域(Homogeneous Region)对于有效减灾防灾至关重要。然而，现有大多数分区方法主要关注属性相似性(如气象及下垫面因子)，忽略了反映流域间拓扑网络及汇流关系的结 摘要：通过分区(Regionalization)识别山洪(Flash Flood)均质区域(Homogeneous Region)对于有效 ...

聚类算法是机器学习中涉及对数据进行分组的一种算法。在给定的数据集中，我们可以通过聚类算法将其分成一些不同的组。在理论上，相同的组的数据之间有相同的属性或者是特征，不同组 ...

编者按：本文来自微信公众号“机器之心”（ID：almosthuman2014），36氪经授权发布。 机器学习已经成为了改变时代的大事，一时间似乎人人都应该懂一点机器学习。但机器学习涉及到的数学知识 ...

雷锋网 AI科技评论按，本文作者贝尔塔，原文载于知乎专栏数据分析与可视化，雷锋网 AI科技评论获其授权发布。 在聚类分析的时候确定最佳聚类数目是一个很重要的问题，比如kmeans函数就要你 ...

基于锚点的多视图聚类因其能够有效描述样本点之间的结构关系而受到了广泛关注。然而，现有模型主要依赖于静态的锚点选择策略。当锚点固定或偏离真实聚类分布时，这些模型会面临可区分 ...

聚类算法能够纳入大量因子，弥补传统资产配置模型对宏观复杂状态刻画不足的缺陷。通过对主成分分析和状态转移矩阵的灵活运用，该方法可将宏观状态高效分类与深度刻画，并结合不同环境 ...

来自中国科学院、东北农业大学、澳门大学与吉林大学的研究团队联合提出了一种用于解读单细胞 RNA-seq 数据的新型孪生聚类框架 scSiameseClu，能够有效缓解表征坍塌问题，实现更清晰的细胞群体 ...