使用带有 EM 算法聚类的可变长度数据输入

Question

我们有一组带有出租车位置的序列。我们希望通过考虑数据行中的顺序模式来对数据进行聚类。 例如： T1, T2, T3, T4 是行程，a,b,c,d,e 是一组地点。 我们拥有的数据是这样的，

• T1 b c b a d
• T2 一个
• T3 a b a b a b c e d
• T4 b c d c b d c a

但问题是数据的长度是不可变的。我们如何使用 EM 对这些类型的数据进行聚类。由于它不接受可变长度数据，因此我们可以自定义它。

Answer 1

EM 是一般原则。您可以将它与非常不同的模型一起使用。

可能最流行的 EM 模型是 高斯混合建模，GMM。

当然，如果你使用协方差，GMM 需要一个固定的维度。

但是如果你使用其他模型，它没有理由不能使用可变长度向量。例如，有处理文本数据的 EM 变体，而文本通常确实有不同的长度。