Key points are not available for this paper at this time.
Die Validierung ist einer der wichtigsten Aspekte des Clusterings, insbesondere wenn der Benutzer ein vertrauenswürdiges oder erklärbares System entwirft. Allerdings erfordern die meisten Validierungsansätze im Clustering eine Batch-Berechnung. Dies stellt eine wichtige Lücke dar, da Clustering in Echtzeit-Datenstrom und anderen Online-Lernanwendungen von großem Wert ist. Daher ist das Interesse gewachsen, Online-Alternativen zur Validierung bereitzustellen. In dieser Arbeit wird die Familie der inkrementalen Validitätsindizes (iCVI) erweitert, indem inkrementale Versionen von Calinski-Harabasz (iCH), Pakhira-Bandyopadhyay-Maulik (iPBM), WB-Index (iWB), Silhouette (iSIL), Negentropie-Increment (iNI), Representative Cross Information Potential (irCIP), Representative Cross Entropy (irH) und ConnIndex (iConnIndex) präsentiert werden. Diese Arbeit bietet auch eine gründliche Vergleichsstudie über korrektes, unter- und überpartitioniertes Verhalten dieser iCVIs, den Partition Separation (PS)-Index sowie vier kürzlich eingeführte iCVIs: inkrementale Xie-Beni (iXB), inkrementale Davies-Bouldin (iDB) und inkrementale verallgemeinerte Dunn-Indizes 43 und 53 (iGD43 und iGD53). Die Experimente wurden mit einem Framework durchgeführt, das so agnostisch wie möglich gegenüber den Clustering-Algorithmen gestaltet wurde. Die Ergebnisse auf synthetischen Benchmark-Datensätzen zeigten, dass während aus dem Verhalten der Mehrheit dieser iCVIs Hinweise auf die meisten unterpartitionierten Fälle abgeleitet werden konnten, die Überpartitionierung ein herausfordernderes Problem darstellte, das von weniger von ihnen erkannt wurde. Interessanterweise wurde die Überpartitionierung, anstatt der Unterpartitionierung, in den realen Datenexperimenten dieser Studie ausgeprägter erkannt. Die Erweiterung von iCVIs bietet bedeutende neue Möglichkeiten zur Bewertung und Interpretation der Ergebnisse des unüberwachten lebenslangen Lernens in Echtzeit, da Proben aufgrund von Speicher- und/oder Anwendungsbeschränkungen nicht erneut verarbeitet werden können.
Silva et al. (Wed,) haben diese Frage untersucht.