SVMを使ってクラスタリングしてみます。ソーシャル ネットワークのグラフ データがあります。私のデータノードでは、互いに接続しています。グラフ隣接行列を SVM 入力データとして使用したい。私のSVM入力データは以下です。私の主な問題は、グラフ データのコミュニティ検出です。
SVM を使用してグラフ データをクラスタ化することは可能ですか。これを行う方法をいくつか教えてください。私はSVMの初心者です。
1 1:0 2:1 3:1 4:1 5:1
2 1:1 2:0 3:1 4:1 5:0
3 1:1 2:1 3:0 4:1 5:0
4 1:1 2:1 3:1 4:0 5:0
5 1:1 2:0 3:0 4:0 5:0
多くの人が指摘しているように、一般にSVMは分類用です。SVM ベースのクラスタリング アルゴリズムは存在しますが、元の SVM と同様に、グラフ (グラフ カーネル) を含むさまざまな種類のデータを操作できるカーネル トリックを使用できます。隣接行列は、グラフの類似性のかなり悪い表現です (非常に単純な現象に実際に興味がある場合を除きますが、SVM ベースのアプローチを使用するのは少し多すぎるように思えます。オッカムのかみそりを信じてください。最も単純なアプローチが最良のアプローチです。より単純なクラスタリング方法を検討/使用し、それらが不十分な場合は、SVM クラスタリングへの切り替えを検討してください。
このトピックに関する論文を読むことを強くお勧めします。見た目ほど簡単ではありませんが、よく研究されているトピックです。
実装自体については、matlab ライブラリ (既に述べた) がここにあります: https://sites.google.com/site/daewonlee/research/svctoolbox
SVM はクラスタリングを行うことができません。マルチクラス SVM やその他のバリエーションを見つけることができます。一方、サポート ベクター クラスタリングが存在します。これは、SVM とは少し異なるアプローチですが、近いものです。このアルゴリズムを提供するパッケージを知りません。これまでのところあまり有名ではありません。
サポート ベクター クラスタリングについて説明した論文がいくつかありました。ここに私が評価しようとしているものがあります: http://jmlr.org/papers/volume2/horn01a/rev1/horn01ar1.pdf
また、ここで R パッケージを見つけました: http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.190.9809