文件名称：HypHC:双曲层次聚类
文件大小：2.01MB
文件格式：ZIP
更新时间：2024-04-20 19:01:22
Python
双曲层次聚类（HypHC） 该代码是NeurIPS 2020论文的官方PyTorch实现： 从树到连续嵌入再到背面：双曲层次聚类Ines Chami，Albert Gu，Vaggos Chatziafratis和ChristopherRé 斯坦福大学论文： : 抽象的。 基于相似性的层次聚类（HC）是一种经典的无监督机器学习算法，传统上已使用诸如平均链接之类的启发式算法进行了求解。 最近，Dasgupta通过引入衡量给定树质量的全局成本函数，将HC重新构架为离散的优化问题。 在这项工作中，我们提供了可证明的质量保证的Dasgupta离散优化问题的首次连续松弛。 我们方法的关键思想HypHC显示了从离散树到连续表示的直接对应关系（通过其叶节点的双曲线嵌入）和向后（通过将叶子嵌入映射到树状图的解码算法）的直接对应关系，从而使我们能够进行搜索具有连续优化的离散二叉树的空间。 建立在树与双
【文件预览】：
HypHC-master
----optim()
--------radam.py(5KB)
--------__init__.py(55B)
----unionfind()
--------test_uf.py(193B)
--------setup.py(241B)
--------unionfind.pyx(4KB)
----train.py(5KB)
----utils()
--------lca.py(1KB)
--------linkage.py(2KB)
--------__init__.py(0B)
--------tree.py(2KB)
--------training.py(2KB)
--------metrics.py(4KB)
--------poincare.py(2KB)
--------visualization.py(4KB)
--------math.py(2KB)
----config.py(495B)
----model()
--------__init__.py(0B)
--------hyphc.py(3KB)
----requirements.txt(70B)
----visualize.py(2KB)
----HypHC.png(71KB)
----examples()
--------run_zoo.sh(533B)
--------run_iris.sh(522B)
--------run_glass.sh(551B)
----datasets()
--------hc_dataset.py(2KB)
--------loading.py(2KB)
--------__init__.py(0B)
--------triples.py(1KB)
----set_env.sh(238B)
----HypHC.gif(1.95MB)
----README.md(4KB)
----mst()
--------test_mst.py(390B)
--------mst.pyx(3KB)
--------setup.py(235B)
----download_data.sh(308B)