新框架通过同质性-简约性权衡评估聚类

一篇新论文介绍了一个框架，通过关注同质性与简约性之间的权衡来评估聚类与已知类别的一致性。该框架提出的分数源自信息瓶颈原理，量化了聚类在不过度碎片化的情况下对类别标签的信息量。这种方法提供了对常见评估标准的统一视图，并可应用于特征选择和算法比较等任务。 AI

影响 提供了一种评估聚类性能的新方法，有望改进机器学习中的特征选择和算法开发。

排序理由 该聚类包含一篇研究论文，详细介绍了评估聚类算法的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• Andreas Tiffeau-Mayer
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Homogeneity-Parsimony Trade-off
• Hugging Face
• IArxiv Recommender
• receiver operating characteristic
• ScienceCast
• Shannon entropies

• 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 →