Статистический кластерный анализ (регулярный семинар)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Кластеризация на графах)
(Метрическая кластеризация)
Строка 86: Строка 86:
1. Задача одномерной оценки плотности
1. Задача одномерной оценки плотности
-
[https://www.dropbox.com/s/4nwzi91ubo1nrdy/Introduction%20to%20Nonparametric%20Estimation.pdf?dl=0] Alexandre B. Tsybakov, "Introduction to Nonparametric Estimation"
+
[https://www.dropbox.com/s/4nwzi91ubo1nrdy/Introduction%20to%20Nonparametric%20Estimation.pdf?dl=0] Alexandre B. Tsybakov "Introduction to Nonparametric Estimation"
[https://projecteuclid.org/euclid.aos/1176348901] Luc Devroye, "A note on the usefulness of superkernels in density estimation"
[https://projecteuclid.org/euclid.aos/1176348901] Luc Devroye, "A note on the usefulness of superkernels in density estimation"
Строка 92: Строка 92:
2. Задача одномерной кластеризации
2. Задача одномерной кластеризации
-
[http://www.researchgate.net/publication/251400257_One-dimensional_center-based_l_1_-clustering_method] Kristian Sabo, Rudolf Scitovski, Ivan Vazler, "One-dimensional center-based
+
[http://www.researchgate.net/publication/251400257_One-dimensional_center-based_l_1_-clustering_method] Kristian Sabo, Rudolf Scitovski, Ivan Vazler "One-dimensional center-based l_1-clustering method"
-
l_1-clustering method"
+
-
[http://cs229.stanford.edu/notes/cs229-notes8.pdf] Andrew Ng, "EM-algorithm"
+
[http://cs229.stanford.edu/notes/cs229-notes8.pdf] Andrew Ng "The EM algorithm"
3. Задача многомерной кластеризации и оценки плотности
3. Задача многомерной кластеризации и оценки плотности
-
[http://projecteuclid.org/euclid.aos/1278861457] Alessandro Rinaldo and Larry Wasserman, "Generalized Density Clustering
+
[http://projecteuclid.org/euclid.aos/1278861457] Alessandro Rinaldo and Larry Wasserman "Generalized Density Clustering
-
[http://arxiv.org/abs/1409.8437] Ingo Steinwart, "Fully adaptive density-based clustering"
+
[http://arxiv.org/abs/1409.8437] Ingo Steinwart "Fully adaptive density-based clustering"
-
[https://www.dropbox.com/s/4nwzi91ubo1nrdy/Introduction%20to%20Nonparametric%20Estimation.pdf?dl=0] Alexandre B. Tsybakov, "Introduction to Nonparametric Estimation"
+
[https://www.dropbox.com/s/4nwzi91ubo1nrdy/Introduction%20to%20Nonparametric%20Estimation.pdf?dl=0] Alexandre B. Tsybakov "Introduction to Nonparametric Estimation"
4. Стабильность кластеризации
4. Стабильность кластеризации
-
[http://arxiv.org/abs/1007.1075] Ulrike von Luxburg, "Clustering Stability: An Overview"
+
[http://arxiv.org/abs/1007.1075] Ulrike von Luxburg "Clustering Stability: An Overview"

Версия 07:33, 3 декабря 2015

Содержание

Описание семинара

Задача кластеризации известна всем, кто имел дело с машинным обучением, и имеет бесчисленное множество практических применений. Кроме того, известно, что задача кластеризации может быть сформулирована разными способами, то есть не имеет чёткой общепринятой постановки. В рамках данного семинара изучаются статистические подходы к задаче кластеризации. Отдельное внимание в работе уделяется кластеризации графов. Целью работы группы является построение алгоритмов кластеризации и кластеризации графов, которые обладают практической эффективностью, и при это допускают теоретический анализ.

Время заседаний

Регулярный семинар, проводится в ИППИ РАН по средам в 18-30, ауд. 615.

Научные руководители семинара

М.Е. Панов, С. Довгаль, В. Г. Спокойный

Организатор семинара

Совместный учебно-научный семинар магистерской программы Математические методы оптимизации и стохастики Факультета Компьютерных наук НИУ ВШЭ, Института проблем передачи информации РАН и Лаборатории ПреМоЛаб МФТИ. Куратор семинара М.Е. Панов

Заседания

13 октября 2015 г.

Игорь Силин "Минимаксное оценивание в Stochastic Block Models"

28 октября 2015 г.

1. Игорь Силин — продолжение рассказа

2. Обсуждение тем курсовых работы для студентов программы ММОС.

11 ноября 2015 г.

Константин Славнов "Методы выделения сообществ в применении к анализу социальных сетей"

Обзорный доклад, который посвящен теме социальных графов и обзору способов выделения сообществ на основе функционала модулярности. Будут рассмотрены некоторые свойства модулярности, 7 алгоритмов выделения структуры сообществ (Betweenness, Fastgreedy, Multilevel, LabelPropogation, Walktrap, Infomap, Eigenvector), а также рассказаны собственные результаты по способам композиции различных методов выделения сообществ.

Презентация, Текст работы «Анализ социальных графов»

18 ноября 2015 г.

Сергей Довгаль "Кластеризация с адаптивными весами"

На докладе мы расскажем об алгоритме AWC (Adaptive Weights Clustering). Мы посмотрим, какие геометрические подзадачи возникают при задаче кластеризации и опишем основные свойства этого алгоритма. Алгоритм исследуется для метрической кластеризации, но его можно применять для произвольных графов, на которых задана матрица расстояний.

2 декабря 2015 г.

Максим Панов "Введение в спектральные методы кластеризации"

В рамках доклада мы расскажем об алгоритме спектральной кластеризации (Spectral clustering). Данный алгоритм прост в реализации и часто превосходит другие традиционные алгоритмы кластеризации. Цель доклада состоит в том, чтобы дать аудитории интуитивное понимание математических идей, лежащих в основе алгоритма. Будут рассмотрены различные виды лапласианов графа и их основные свойства, а также представлены наиболее популярные варианты алгоритма спектральной кластеризации.

Литература

Кластеризация на графах

1. Stochastic block models and graphon estimation

[1] Chao Gao, Yu Lu, Harrison H. Zhou "Rate-optimal Graphon Estimation"

[2] Olga Klopp, Alexandre B. Tsybakov, Nicolas Verzelen "Oracle inequalities for network models and sparse graphon estimation"

2. Кластеризация графов на основе модулярности

[3] Santo Fortunato "Community detection in graphs"

[4] Twan van Laarhoven, Elena Marchiori "Axioms for graph clustering quality functions"

[5] Yunpeng Zhao, Elizaveta Levina, Ji Zhu "Consistency of community detection in networks under degree-corrected stochastic block models"

3. Графы ближайших соседей и их кластеризация

[6] Ulrike von Luxburg, Morteza Alamgir "Density estimation from unweighted k-nearest neighbor graphs: a roadmap"

[7] Matthaus Kleindessner, Ulrike von "Luxburg Dimensionality estimation without distances"

4. Обнаружение пересекающихся сообществ в больших сетях: алгоритм BigCLAM и его обобщения

[8] Jaewon Yang, Jure Leskovec "Overlapping Community Detection at Scale: A Nonnegative Matrix Factorization Approach"

5. Spectral clustering

[9] Ulrike von Luxburg "A Tutorial on Spectral Clustering"

[10] Donghui Yan, Ling Huang, Michael I. Jordan "Fast Approximate Spectral Clustering"

Метрическая кластеризация

1. Задача одномерной оценки плотности

[11] Alexandre B. Tsybakov "Introduction to Nonparametric Estimation"

[12] Luc Devroye, "A note on the usefulness of superkernels in density estimation"

2. Задача одномерной кластеризации

[13] Kristian Sabo, Rudolf Scitovski, Ivan Vazler "One-dimensional center-based l_1-clustering method"

[14] Andrew Ng "The EM algorithm"

3. Задача многомерной кластеризации и оценки плотности

[15] Alessandro Rinaldo and Larry Wasserman "Generalized Density Clustering

[16] Ingo Steinwart "Fully adaptive density-based clustering"

[17] Alexandre B. Tsybakov "Introduction to Nonparametric Estimation"

4. Стабильность кластеризации

[18] Ulrike von Luxburg "Clustering Stability: An Overview"

Личные инструменты