Según la definición, parece que tiene algún tipo de “función de actividad física oculta” para diferentes agrupaciones. Aquí no hay almuerzo gratis; si hay algún tipo de mecanismo de puntuación que esperas que produzca la agrupación, debes darle al algoritmo algún tipo de pista sobre lo que es. Aquí hay algunas alternativas:
Optimización automática de los pesos del clúster.
Genere diferentes agrupaciones a partir de diferentes pesos de atributos y califique manualmente las agrupaciones resultantes. Luego puede usar su algoritmo favorito de aprendizaje activo / descenso de gradiente / evolutivo para ajustar de forma iterativa los valores.
Emparejar algoritmos de corte mínimo basados en gráficos + corte gráfico
¿Tiene algún tipo de noción acerca de qué instancias deberían o no estar en el mismo grupo, por ejemplo, si tomé una submuestra de 100 pares de puntos de datos, podría decirme “estos deberían estar en el mismo grupo y estos no deberían “. Si es así, puede crear un algoritmo de corte mínimo basado en gráficos que esté optimizado para estos emparejamientos.
- ¿Por qué una red neuronal no es propensa al sobreajuste a pesar de tener tantos parámetros?
- ¿Por qué no reescalamos el vector de coeficiente de una regresión de lazo?
- Cómo utilizar una GPU en mis algoritmos de aprendizaje automático de R
- ¿Qué temas y partes del libro 'Inteligencia artificial: un enfoque moderno', debo leer para aprender el aprendizaje automático y la PNL? ¿Necesito leer todo el libro?
- ¿Qué se entiende exactamente por pesos compartidos en una red neuronal convolucional?
Etiquetado de pares + transducción de máquina de vectores de soporte
Si hiciste el mismo etiquetado anterior y luego entrenaste una máquina de vectores de soporte transductivo (http://en.wikipedia.org/wiki/Tra…, entonces podrías usar los parámetros que aprendiste como pesos para el agrupamiento.