講演名	2011-03-29 Information-Maximization Clustering : Analytic Solution and Model Selection ,
PDFダウンロードページ	PDFダウンロードページへ
抄録(和)
抄録(英)	A recently-proposed information-maximization clustering method (Gomes et al., NIPS2010) learns a kernel logistic regression classifier in an unsupervised manner so that mutual information between feature vectors and cluster assignments is maximized. A notable advantage of this approach is that it only involves continuous optimization of a logistic model, which is substantially easier than discrete optimization of cluster assignments. However, this method still suffers from two weaknesses: (i) manual tuning of kernel parameters is necessary, and (ii) finding a good local optimal solution is not straightforward due to the strong non-convexity of logistic-regression learning. In this paper, we first show that the kernel parameters can be systematically optimized by maximizing mutual information estimates. We then propose an alternative information-maximization clustering approach using a squared-loss variant of mutual information. This novel approach allows us to obtain clustering solutions analytically in a computationally very efficient way. Through experiments, we demonstrate the usefulness of the proposed approaches.
キーワード(和)
キーワード(英)	Clustering / Information Maximization / Squared-Loss Mutual Information
資料番号	IBISML2010-114
発行日

研究会情報
研究会	IBISML
開催期間	2011/3/21(から1日開催)
開催地（和）
開催地（英）
テーマ（和）
テーマ（英）
委員長氏名（和）
委員長氏名（英）
副委員長氏名（和）
副委員長氏名（英）
幹事氏名（和）
幹事氏名（英）
幹事補佐氏名（和）
幹事補佐氏名（英）

講演論文情報詳細
申込み研究会	Information-Based Induction Sciences and Machine Learning (IBISML)
本文の言語	ENG
タイトル（和）
サブタイトル（和）
タイトル（英）	Information-Maximization Clustering : Analytic Solution and Model Selection
サブタイトル（和）
キーワード(1)（和/英）	/ Clustering
第 1 著者 氏名（和/英）	/ Masashi SUGIYAMA
第 1 著者 所属（和/英）	Department of Computer Science, Tokyo Institute of Technology
発表年月日	2011-03-29
資料番号	IBISML2010-114
巻番号（vol）	vol.110
号番号（no）	476
ページ範囲	pp.-
ページ数	8
発行日