Assessing variable importance in clustering: a new method based on unsupervised binary decision trees

Badih Ghattas; Michel Pierre; Boyer Laurent

doi:10.1007/s00180-018-0857-0

Article Dans Une Revue Computational Statistics Année : 2019

Assessing variable importance in clustering: a new method based on unsupervised binary decision trees

(1) , ,

1

Badih Ghattas

Fonction : Auteur
PersonId : 6703
IdHAL : badih-ghattas
ORCID : 0000-0002-6160-9341
IdRef : 069625654

Institut de Mathématiques de Marseille

Michel Pierre

Fonction : Auteur

Boyer Laurent

Fonction : Auteur

Domaines

Intelligence artificielle [cs.AI] Statistiques [stat] Machine Learning [stat.ML]

badih ghattas : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03581852

Soumis le : dimanche 20 février 2022-17:36:01

Dernière modification le : vendredi 24 mars 2023-14:53:26

Dates et versions

hal-03581852 , version 1 (20-02-2022)

Identifiants

HAL Id : hal-03581852 , version 1
DOI : 10.1007/s00180-018-0857-0

Citer

Badih Ghattas, Michel Pierre, Boyer Laurent. Assessing variable importance in clustering: a new method based on unsupervised binary decision trees. Computational Statistics, 2019, 34 (1), pp.301-321. ⟨10.1007/s00180-018-0857-0⟩. ⟨hal-03581852⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS UNIV-AMU EC-MARSEILLE I2M I2M-2014-

22 Consultations

0 Téléchargements

Assessing variable importance in clustering: a new method based on unsupervised binary decision trees

Domaines

Dates et versions

Identifiants

Citer

Exporter

Collections

Altmetric

Partager