Une méthode de regroupement qui construit une matrice de similarité à partir des affinités par paires, calcule un plongement de faible dimension à partir des modes orthogonaux à basse fréquence de cette matrice, puis applique un algorithme de partition standard dans l'espace plongé.

Principe

L'information de regroupement combinatoire globale est convertie en une géométrie continue de basse dimension via les modes lisses dominants d'un opérateur de similarité, rendant les formes de groupes complexes séparables linéairement dans le plongement.

Démonstration

Construire une matrice d'affinité symétrique à partir des similarités ponctuelles pour le jeu de données deux-lunes, extraire quelques modes à basse fréquence de cette matrice, plonger les points avec ces modes et appliquer k-means pour récupérer les deux amas incurvés.

Mauvaise application

Utiliser une matrice d'affinité à mise à l'échelle inappropriée ou une sélection de modes incohérente de sorte que le plongement mélange échelle et bruit, ou appliquer la méthode sans mesure de similarité significative entre les objets.

Conséquence

Peut retrouver des amas non convexes ou de type variété avec beaucoup moins d'erreurs que les méthodes basées sur la distance dans l'espace d'origine, au prix de la construction et de la décomposition de l'opérateur d'affinité.

Inversion

Partition directe dans l'espace des caractéristiques d'origine en utilisant des critères de distance locaux, qui peut échouer sur des structures non linéairement séparables.

Limite

Nécessite une structure de similarité par paires définie et un moyen de calculer les modes de la matrice ; exclut les cas où seules des dissimilarités par paires sans plongement existent ou où aucune affinité significative ne peut être formée.

Tension sémantique

Regroupement par densité versus plongement spectral : les méthodes par densité détectent des groupes par concentration locale, tandis que le regroupement spectral utilise des modes lisses globaux pour faire apparaître des séparations latentes.

Synthèse

Le regroupement spectral transforme des affinités par paires en une géométrie linéaire de faible dimension via les modes lisses d'un opérateur de similarité, puis partitionne cette géométrie pour révéler des groupes difficiles à séparer dans l'espace d'origine.