Yarı denetimli HDBSCAN
Semi-supervised Hierarchical Density-Based Spatial Clustering of Applications with Noise · Ayrıca şöyle bilinir: Constrained HDBSCAN, Semi-supervised hierarchical density clustering, HDBSCAN with partial labels, SS-HDBSCAN
Yarı denetimli HDBSCAN, Gürültüyle Uygulamaların Kümelenmesi için Hiyerarşik Yoğunluk Tabanlı Uzamsal Kümeleme (HDBSCAN) algoritmasını, yoğunluk tabanlı küme hiyerarşisini mevcut alan bilgisiyle tutarlı küme atamalarına doğru yönlendirmek için kısmi denetim — örneğin, zorunlu bağlantı ve bağlantı olamaz ikili kısıtlamalar veya az sayıda etiketli örnek — dahil ederek genişletir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Etiketlenmemiş veya çoğunlukla etiketlenmemiş, doğal yoğunluk tabanlı küme yapısına sahip verileriniz olduğunda ve anlamlı alan bilgisi kodlayan az sayıda ikili kısıtlama veya etiketli örneğiniz olduğunda yarı denetimli HDBSCAN'ı seçin. Küme sayısı bilinmediğinde, kümeler yoğunluk veya şekil bakımından farklılık gösterdiğinde ve bir miktar gürültü veya aykırı değer beklendiğinde üstünlük sağlar. Veri noktalarının çoğu etiketlendiğinde (bunun yerine denetimli bir sınıflandırıcı kullanın), veri kümesi çok küçük olduğunda (yaklaşık 100 gözlemden az, yoğunluk tahminlerinin güvenilmez olduğu yerlerde) veya özellik uzayı çok boyutlu olduğunda (önceki boyut azaltma olmadan), çünkü yoğunluk tahminleri yüksek boyutlarda bozulur, bundan kaçının.
Güçlü yönler & sınırlılıklar
- Küme sayısının önceden belirtilmesini gerektirmeden değişen yoğunluk ve keyfi şekildeki kümeleri keşfeder.
- Tüm gözlemleri bir kümeye zorlamak yerine gürültü noktalarını doğal olarak tanımlar ve izole eder.
- Kısmi denetim, tam açıklama gerektirmeden çözümü alanla ilgili gruplamalara doğru yönlendirir.
- HDBSCAN'ın sağlamlığını miras alır: küme çıkarma, sabit bir epsilon eşiği yerine küme kalıcılığına dayanır.
- Orta boyutlu veri kümelerine makul ölçüde ölçeklenir ve olgun açık kaynak kütüphanelerinde (hdbscan Python paketi) mevcuttur.
- Kümelemeden önce UMAP gibi boyut azaltma adımlarıyla iyi uyum sağlar.
- Yoğunluk tahmini, yüksek boyutlu özellik uzaylarında bozulur; boyut azaltma genellikle gereklidir.
- Uygulamalar arasında kısıtlama entegrasyon yöntemleri farklılık gösterir ve henüz standartlaşmamıştır, bu da tekrarlanabilirliği sağlamayı zorlaştırır.
- Minimum küme boyutu hiperparametresini seçmek hala alan yargısı veya grid araması gerektirir.
- Yumuşak veya olasılıksal etiket bilgisini kolayca dahil edemez — kısıtlamalar tipik olarak zorunlu bağlantı veya bağlantı olamaz ikili çiftlerdir.
SSS
Pratikte zorunlu bağlantı ve bağlantı olamaz kısıtlamaları nasıl dahil edebilirim?
En yaygın yaklaşım, MST yapısından önce karşılıklı ulaşılabilirlik mesafesi matrisini değiştirir: zorunlu bağlantı çiftleri için mesafeleri küçültür ve bağlantı olamaz çiftler için genişletir. Bazı uygulamalar, çıkarma sırasında kısıtlamaları uygulamak için yoğunlaştırılmış küme ağacını sonradan işler.
Sadece birkaç etiketli örneğim varsa, ikili kısıtlamalar yerine ne olur?
Etiketli örnekler ikili kısıtlamalara dönüştürülebilir: aynı etiketi paylaşan tüm çiftler zorunlu bağlantı çiftleri olur ve tüm çapraz etiket çiftleri bağlantı olamaz çiftler olur. Çok az etiketle, yoğunluk sinyalini boğan bir kısıtlama patlamasını önlemek için bunu seçici olarak uygulayın.
Bu, düz HDBSCAN'dan nasıl farklıdır?
Düz HDBSCAN tamamen denetimsizdir ve tamamen verinin yoğunluk yapısına dayanır. Yarı denetimli HDBSCAN, çıkarılan kümelerin bilinen gruplamalarla daha tutarlı olması için hiyerarşiyi alan bilgisiyle eğimli hale getirir, bunun bedeli kısıtlama ağırlıklandırması etrafındaki ek hiperparametre seçimleridir.
Hangi değerlendirme metriğini kullanmalıyım?
Etiketli alt kümeye karşı ayarlanmış Rand indeksi (ARI) veya normalize edilmiş karşılıklı bilgi (NMI) kullanarak değerlendirin. Ayrıca gürültü olarak etiketlenen noktaların oranını inceleyin ve bilinen zorunlu bağlantı çiftlerinin gerçekten birlikte kümelendiğini kontrol edin.
Yarı denetimli HDBSCAN yüksek boyutlarda çalışır mı?
Ön işlem yapmadan güvenilir bir şekilde değil. Yoğunluk tabanlı kümelemeyi çalıştırmadan önce boyutları yönetilebilir bir aralığa (tipik olarak 10-50 boyut) düşürmek için UMAP veya PCA uygulayın, çünkü karşılıklı ulaşılabilirlik mesafeleri çok yüksek boyutlu uzaylarda anlamsız hale gelir.
Kaynaklar
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- HDBSCAN. Wikipedia. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Semi-supervised Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/tr/machine-learning/semi-supervised-hdbscan
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- HDBSCANMakine öğrenmesi↔ karşılaştır
- K-ortalama KümelemeMakine öğrenmesi↔ karşılaştır
- Yarı denetimli DBSCANMakine öğrenmesi↔ karşılaştır
- Yarı denetimli Gauss Karışım ModeliMakine öğrenmesi↔ karşılaştır
- Yarı denetimli K-ortalamalarMakine öğrenmesi↔ karşılaştır