返回信息流from nips 09 workshop on clustering
What is a Cluster?
Perspectives from Game Theory
Marcello Pelillo
University of Venice, Italy
“Since no paradigm ever solves all the problems it defines and since no two paradigms leave
all the same problems unsolved, paradigm debates always involve the question: Which
problems is it more significant to have solved?”
Thomas S. Kuhn, The Structure of Scientific Revolutions (1962)
Extended Abstract
There is no shortage of clustering algorithms, and recently a new wave of excitement has spread
across the machine learning community mainly because of the important development of spectral
methods. At the same time, there is also growing interest around fundamental questions pertaining
to the very nature of the clustering problem (see, e.g., [17, 1, 28]). Yet, despite the tremendous
progress in the field, the clustering problem remains elusive and a satisfactory answer even to the
most basic questions is still to come.
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #5887同步于 2009/11/23
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
[zz] What is a cluster? Perspectives from Game Theory
zixu1986
2009/11/23镜像同步7 回复
订阅后，新回复会通过你的通知中心匿名送达。
7 条回复
把clustering问题formulate成一个game
两个players根据对方的策略做出对于自己利益最大化的决定
假设有n个样本 A选择第i个样本 B选择第j个样本 则双方得到payoff(i,j) 如果把payoff设成与i,j之间的相似度成正比关系 则鼓励两个players选择相似的样本 最终达到平衡后 双方会共同选择一些相似的样本 这些样本属于一个cluster
有点意思啊，呵呵。准备看看这个
【 在 zixu1986 (Euro) 的大作中提到: 】
: 把clustering问题formulate成一个game
: 两个players根据对方的策略做出对于自己利益最大化的决定
: 假设有n个样本 A选择第i个样本 B选择第j个样本 则双方得到payoff(i,j) 如果把payoff设成与i,j之间的相似度成正比关系 则鼓励两个players选择相似的样本 最终达到平衡后 双方会共同选择一些相似的样本 这些样本属于一个cluster
: ...................
clustering问题的讨论永远都还在继续，也验证了clustering“不挑贵的只挑对的”的状况。
正如文章所述，特定的clustering 解决特定的问题，并不存在一个统一的paradigm。
最近在看一些partitional clusteirng的文章，现在广泛应用的 partition-based 的clustering在图像分割等问题上的确显示了其重要作用，最经典的spectral clustering（包括Ncut）又因为其漂亮的数学推导把问题提交给矩阵运算而大大增加了其应用性。但partitional clustering也不是万能的。这篇文章很好的论述了这一点，好文
是啊 clustering不像classification 有个明确的定义 一个明确的标准（错误率）
【 在 Hebby 的大作中提到: 】
: clustering问题的讨论永远都还在继续，也验证了clustering“不挑贵的只挑对的”的状况。
: 正如文章所述，特定的clustering 解决特定的问题，并不存在一个统一的paradigm。
: 最近在看一些partitional clusteirng的文章，现在广泛应用的 partition-based 的clustering在图像分割等问题上的确显示了其重要作用，最经典的spectral clustering（包括Ncut）又因为其漂亮的数学推导把问题提交给矩阵运算而大大增加了其应用性。但partitional clustering也不是万能的。这篇文章很好的论述了这一点，好文