10.01.2025, 14:00 Uhr
Universität Wien
Besprechungsraum 4.34
Währinger Str. 29
1090 Wien
Titel: Measuring Quality of Unsupervised Learning: Evaluation of
Density-Based Clustering
Kurzfassung:
Es ist trotz bereits entsprechender existierende Evaluationsmetriken eine große Herausforderung,
die Qualität eines Clusterings zu bestimmen, welches dichtebasierte Cluster
enthält. Dies lässt sich auf individuelle Schwächen in der Konstruktion der bereits
existierenden Maße, als auch auf die inhärente Komplexität der Thematik zurückführen.
In dieser Arbeit zerlegen wir drei bestehende dichtebasierte Metriken in ihre wesentlichen
Bestandteile und überführen diese in ein vereinheitlichtes Framework, welches intuitive
Vergleiche zulässt. Diese Metriken werden gemeinsam mit dem kürzlich entwickelten
"Density-based Internal Evaluation Score for Clustering Outcomes" (DISCO) in einer
Reihe von Experimenten ausführlich getestet. Die gewonnenen Erkenntnisse dienen
dazu, eine Sammlung von "real-world", dichtebasierten Datensätzen zu identifizieren,
welche in dieser Form bisher nicht existiert, jedoch erheblich für die Weiterentwicklung
und Verbesserung dichtebasierter Clustering-Methoden ist. Weiters zeigen wir, dass
eine Dimensionalitätsreduktion mittels UMAP unvorhersehbare Auswirkungen auf die
strukturellen Eigenschaften dieser Datensätze haben kann. Darüber hinaus erstellen
wir einen Medium-Blogpost, der DISCO anhand praktischer Beispiele und intuitiver
Erklärungen vorstellt, um es einem breiteren Publikum zugänglich zu machen.