Learning with Clustering Structure

Vincent Roulet 1 Fajwel Fogel 1, 2 Alexandre D'Aspremont 1, 2 Francis Bach 1, 2
2 SIERRA - Statistical Machine Learning and Parsimony
DI-ENS - Département d'informatique de l'École normale supérieure, ENS Paris - École normale supérieure - Paris, Inria Paris-Rocquencourt, CNRS - Centre National de la Recherche Scientifique : UMR8548
Abstract : We study a supervised clustering problem seeking to cluster either features, tasks or sample points using losses extracted from supervised learning problems. We formulate a unified optimization problem handling these three settings and derive algorithms whose core iteration complexity is concentrated in a k-means clustering step, which can be approximated efficiently. We test our methods on both artificial and realistic data sets extracted from movie reviews and 20NewsGroup.
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01239305
Contributeur : Alexandre D'Aspremont <>
Soumis le : lundi 7 décembre 2015 - 16:04:34
Dernière modification le : mardi 24 avril 2018 - 17:20:14

Lien texte intégral

Identifiants

  • HAL Id : hal-01239305, version 1
  • ARXIV : 1506.04908

Collections

Citation

Vincent Roulet, Fajwel Fogel, Alexandre D'Aspremont, Francis Bach. Learning with Clustering Structure. 2016. 〈hal-01239305〉

Partager

Métriques

Consultations de la notice

178