Neues Verfahren lernt maßgeschneiderte Kategorienbeziehungen für bessere Cluster

In der Clusteranalyse von realen Datensätzen sind kategoriale Attribute allgegenwärtig. Anders als numerische Werte, für die der euklidische Abstand definiert ist, fehlt bei kategorialen Attributen eine klare Beziehung zwischen den möglichen Kategorien. Das erschwert die Entdeckung kompakter Cluster.

Die meisten bisherigen Ansätze entwickeln Distanzmetriken, setzen jedoch voraus, dass die Kategorien eine feste topologische Struktur besitzen. Diese Annahme begrenzt die Anpassungsfähigkeit an unterschiedliche Clusterformen und führt häufig zu suboptimalen Ergebnissen.

Das neue Verfahren bricht diese feste Beziehung auf und lernt individuelle Distanzmetriken, die sich flexibel an die jeweilige Clusterstruktur anpassen. Dadurch wird die Passgenauigkeit des Clustering-Algorithmus deutlich verbessert, da die Lernfähigkeit der Kategorienbeziehungen genutzt wird.

Ein weiterer Vorteil ist die Kompatibilität mit dem euklidischen Abstand, was eine nahtlose Erweiterung auf gemischte Datensätze mit numerischen und kategorialen Attributen ermöglicht. Vergleichende Experimente an zwölf realen Benchmark-Datensätzen zeigen, dass die Methode die bisher beste Leistung um einen durchschnittlichen Rang von 1,25 übertrifft – ein signifikanter Fortschritt gegenüber dem aktuellen Spitzenreiter mit Rang 5,21.