Unsupervised Deep Clustering

新的深度聚类集成方法解决不平衡表格数据问题

本文探讨了无监督深度聚类技术在不平衡表格数据上的应用，该领域中类别不平衡通常会阻碍监督分类。研究人员提出了两种新颖的深度聚类集成方法：一种方法聚合不同嵌入维度上的分配，另一种方法使用表现最佳算法之间的多数投票。在16个不平衡表格数据集上的实验表明，这些集成方法在准确率、归一化互信息和调整兰德指数得分方面通常优于单独的深度聚类方法，在无法获得类别标签时，为监督分类提供了一种稳健的替代方案。