Новый алгоритм кластеризации научился различать номинальные и порядковые признаки
Кластеризация категориальных данных традиционно сталкивается с проблемой: номинальные и порядковые признаки обрабатываются одинаково, из-за чего теряется информация о порядке значений. Например, при анализе образовательного уровня порядок (школа, бакалавр, магистр) важен, но обычные метрики его игнорируют.
Ученые предложили новый подход, вдохновленный графовым представлением атрибутов. Они разработали метрику, которая унифицированно измеряет внутриатрибутные расстояния как для номинальных, так и для порядковых признаков, сохраняя относительный порядок значений.
На основе этой метрики создан алгоритм кластеризации, который обучает веса расстояний и одновременно разбивает объекты на кластеры в едином процессе. Это решает проблему двухэтапных методов, где сначала задаются веса, а затем выполняется кластеризация, что часто приводит к субоптимальному результату.
Эксперименты показали, что предложенный алгоритм превосходит существующие аналоги на ряде наборов данных. Подробности опубликованы на arXiv (arXiv:2607.05464).
Разработка может найти применение в социологии, медицине, маркетинге и других областях, где данные содержат смешанные категориальные признаки с порядковыми и номинальными значениями.
