BriefGPT - AI 论文速递
·
通过指数倾斜实现高效个体公平的 k-means
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本论文介绍了一种名为倾斜 k-means（TKM）的新算法，以实现聚类的个体公平性。TKM 通过协作下降和一阶梯度法进行优化，并证明了其收敛性。实验证明 TKM 在效果、公平性和效率方面优于现有的方法。
🎯
关键要点
- 提出了一种名为倾斜 k-means（TKM）的新算法，以实现聚类的个体公平性。
- 通过将指数倾斜集成到平方误差和（SSE）中，形成了一种新的目标函数 —— 倾斜 SSE。
- 基于协作下降和一阶梯度法进行优化，证明了 TKM 的收敛性。
- 在公平性方面，证明了 TKM 生成的方差随着按比例缩放的超参数减小。
- 在效率方面，证明了算法的时间复杂度与数据集大小呈线性关系。
- 实验证明 TKM 在效果、公平性和效率方面优于现有的方法。
🏷️
标签
➡️
