English(EN) Orthogonality and Dimensionality in Airline Cluster Analysis using PCA and Kernel PCA

使用PCA分析航空公司利润周期，揭示更少聚类

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-06 20:20

一篇新论文使用主成分分析（PCA）和核PCA（Kernel PCA）探讨了航空公司利润周期的维度和正交性。该研究复制了之前的聚类实验，发现六个聚类的分类法在不同维度空间中保持几何上的稳健性。然而，该研究也揭示，该数据集结构上仅支持三个聚类，原始数据中的共线性抑制了这一信号。 AI

影响这项研究提供了对复杂数据集中数据结构的更精细理解，有望提高各种分析应用中的聚类准确性。

排序理由该聚类包含一篇详细介绍新颖分析方法和发现的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Andreas Schlapbach · 2026-06-09 04:00

使用PCA和Kernel PCA在航空公司聚类分析中的正交性和维度

arXiv:2606.08322v1 Announce Type: new Abstract: To characterize the US airline profit cycles from 1995 to 2020, the authors of Renold et al. (2023) combine k-means clustering, principal component analysis, and system dynamic modelling. We replicate their clustering experiment in …
arXiv cs.LG TIER_1 English(EN) · Andreas Schlapbach · 2026-06-06 20:20

使用PCA和Kernel PCA在航空公司聚类分析中的正交性和维度

To characterize the US airline profit cycles from 1995 to 2020, the authors of Renold et al. (2023) combine k-means clustering, principal component analysis, and system dynamic modelling. We replicate their clustering experiment in three spaces -- the original 7-dimensional raw-v…