Finding the Number of Clusters in a Dataset
确定数据集中的聚类数AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用聚类数选择，未涉及因子模型或所列其他经济计量细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
确定数据集中的聚类数
- 研究问题
- 研究如何在避免复杂参数模型的情况下确定数据集的聚类数，并利用观测到最近聚类中心的距离识别潜在结构。
- 方法与思路
- 作者基于每维平均距离所定义的失真量构造非参数选择方法，以率失真理论解释其行为，并用模拟与真实数据示例检验。
- 材料陈述的贡献
- 摘要称方法计算高效、实现直接，提供信息论层面的理论依据，并在多种数据中展示聚类数选择和结构识别的有效性。
- 阅读关注点
- 阅读全文时应核对失真量的标准化、聚类数选择规则、率失真理论所需条件，以及不同尺度、维度和结构下的比较。
- 阅读边界
- 摘要未说明完整选择规则与保证条件，对其他模型选择问题的推广仅为潜在方向。来源为版本未注明的 OpenAlex 索引摘要。
原文摘要
One of the most difficult problems in cluster analysis is identifying the number of groups in a dataset. Most previously suggested approaches to this problem are either somewhat ad hoc or require parametric assumptions and complicated calculations. In this article we develop a simple, yet powerful nonparametric method for choosing the number of clusters based on distortion, a quantity that measures the average distance, per dimension, between each observation and its closest cluster center. Our technique is computationally efficient and straightforward to implement. We demonstrate empirically its effectiveness, not only for choosing the number of clusters, but also for identifying underlying structure, on a wide range of simulated and real world datasets. In addition, we give a rigorous theoretical justification for the method based on information-theoretic ideas. Specifically, results from the subfield of electrical engineering known as rate distortion theory allow us to describe the behavior of the distortion in both the presence and absence of clustering. Finally, we note that these ideas potentially can be extended to a wide range of other statistical model selection problems.