新的聚类算法学习标称和有序属性的权重

研究人员开发了一种新颖的分类数据聚类距离度量方法，该方法同时考虑了标称和有序属性。这种新的度量方法统一了这些属性类型的处理方式，并保留了有序值固有的顺序信息。此外，所提出的聚类算法将类内属性距离权重和数据分区的学习整合到一个单一过程中，旨在避免次优解。实验结果表明，该方法优于现有方法。 AI

影响 引入了一种更细致的分类数据聚类方法，有可能提高依赖此类数据的机器学习模型的准确性。

排序理由 这是一篇详细介绍分类数据聚类新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Litmaps
• machine learning
• nominal attributes
• ordinal attributes
• ScienceCast
• scite Smart Citations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →