nach oben

Erschienen in:

2024 | OriginalPaper | Buchkapitel

Trends in Unsupervised Methodologies for Optimal K-Value Selection in Clustering Algorithms

verfasst von : Ana Pegado-Bardayo, Jesús Muñuzuri, Alejandro Escudero-Santana, Antonio Lorenzo-Espejo

Erschienen in: Proceedings of the 17th International Conference on Industrial Engineering and Industrial Management (ICIEIM) – XXVII Congreso de Ingeniería de Organización (CIO2023)

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Clustering algorithms are a powerful machine learning tool when working with large datasets, as they allow data to be grouped according to certain characteristics without the need to manually label the data. These algorithms generally request the number of clusters to be formed (k) as a parameter of the model and, while in some instances it is possible to indicate this number manually, most situations require this estimation to be an unsupervised task. The most widespread techniques offer acceptable results, but there is still much room for improvement. This study highlights their main shortcomings and reviews some of the advances in the estimation of this parameter presented in recent years, exploring their advantages and limitations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel The Impact of Electricity Tariffs on Optimal Production Scheduling

Nächstes Kapitel Particle Swarm Optimization for Multireservoir Hydropower Optimization

Abdalameer, A., Alswaitti, M., Alsudani, A., Isa, N.: A new validity clustering index-based on finding new centroid positions using the mean of clustered data to determine the optimum number of clusters. Expert Syst. Appl. 116329, 191 (2022). https://doi.org/10.1016/J.ESWA.2021.116329CrossRef

Alibuhtto, M., Mahat, N.: Distance based k-means clustering algorithm for determining number of clusters for high dimensional data. Decis. Sci. Lett. 9, 51–58 (2020). https://doi.org/10.5267/J.DSL.2019.8.002CrossRef

Calinski, T., Harabasz, J.: A dendrite method for cluster analysis. Commun. Stat. 3(1), 1–27 (1974). https://doi.org/10.1080/03610927408827101MathSciNetCrossRef

Krzanowski, W.J., Lai, T.: A criterion for determining the number of groups in a data set using sum-of-squares clustering. Biometrics 44(1), 23–34 (1988)MathSciNetCrossRef

Patil, C., Baidari, I.: Estimating the optimal number of clusters k in a dataset using data depth. Data Sci. Eng. 4, 132–140 (2019). https://doi.org/10.1007/s41019-019-0091-yCrossRef

Ri, Y., Kang, C., Kim, K., Choe, Y., Han, U.: A new method to determine cluster number without clustering for every k based on ratio of variance to range in k-means. Math. Probl. Eng. (2022). https://doi.org/10.1155/2022/6866747CrossRef

Rousseeuw, P.J.: Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. J. Comput. Appl. Math. 20, 53–65 (1987). https://doi.org/10.1016/0377-0427(87)90125-7CrossRef

Tibshirani, R., Walther, G., Hastie, T.: Estimating the number of clusters in a data set via the gap statistic. J. R. Stat. Soc. Ser. B 63(2), 411–423 (2001). https://doi.org/10.1111/1467-9868.00293MathSciNetCrossRef

Wang, X., Xu, Y.: An improved index for clustering validation based on Silhouette index and Calinski-Harabasz index. IOP Conf. Ser. Mater. Sci. Eng. 569(5), 052024 (2019). https://doi.org/10.1088/1757-899X/569/5/052024CrossRef

Xie, S., Lawniczak, A., Gan, C.: Optimal number of clusters in explainable data analysis of agent-based simulation experiments. J. Comput. Sci. 101685, 62 (2022). https://doi.org/10.1016/J.JOCS.2022.101685CrossRef

Yang, J., Lee, J.Y., Choi, M., Joo, Y.: A new approach to determine the optimal number of clusters based on the gap statistic. In: Boumerdassi, S., Renault, É., Mühlethaler, P. (eds.) Machine Learning for Networking: Second IFIP TC 6 International Conference, MLN 2019, Paris, France, December 3–5, 2019, Revised Selected Papers, pp. 227–239. Springer International Publishing, Cham (2020). https://doi.org/10.1007/978-3-030-45778-5_15CrossRef

Yuan, C., Yang, H.: Research on K-value selection method of k-means clustering algorithm. J 2(2), 226–235 (2019). https://doi.org/10.3390/j2020016CrossRef

Titel: Trends in Unsupervised Methodologies for Optimal K-Value Selection in Clustering Algorithms
verfasst von: Ana Pegado-Bardayo
Jesús Muñuzuri
Alejandro Escudero-Santana
Antonio Lorenzo-Espejo
Verlag: Springer Nature Switzerland
Buch: Proceedings of the 17th International Conference on Industrial Engineering and Industrial Management (ICIEIM) – XXVII Congreso de Ingeniería de Organización (CIO2023)
Print ISBN: 978-3-031-57995-0

Electronic ISBN: 978-3-031-57996-7

Copyright-Jahr: 2024
DOI: https://doi.org/10.1007/978-3-031-57996-7_49

Premium Partner

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen.

Zur Marktübersicht

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner

Marktübersichten