Универсальный подход к кластеризации в рамках общих коммунальных услуг

Компьютерные науки > Сложность расчетов Резюме: Clusering является центральным примитивным элементом в неконтролируемом обучении, однако на практике доминируют эвристики, результаты которых могут быть нестабильными и весьма чувствительны к представлениям, гиперпараметрам и инициализации. Существующие теоретические результаты в основном носят объективный характер и не объясняют такое поведение на уровне объединения. Мы официально оформим общее ядро оптимизации, лежащее в основе различных парадигм кластеризации путем определения универсальной проблемы территориально-производственных комплексов (УПК): максимизация полиномиально-временной функции распределения по предельному метрическому пространству. Мы доказываем твердость NP в UCP посредством двух независимых полиномиальных сокращений времени от графической окраски и точного покрытия с помощью трехсетей (X3C). Картируя десять основных парадигм, включая k-means, GMS, DBSCAN, спектральное кластерирование и распространение родственных связей, в рамках UCP мы показываем, что каждая из них унаследует эту основополагающую непривлекательность. Наши результаты служат единым объяснением характерных режимов отказа, таких как локальная оптимативная в чередующихся методах и жадные ловушки слияния-порядка в иерархическом кластере. И наконец, мы показываем, что ограничения в области кластеризации отражают взаимосвязанные вычислительные и эпистемические трудности, стимулируя переход к целям обеспечения стабильности и формулам с четко…