Buenos días, ¿cómo están? Tengo una duda concreta sobre el uso conjunto de 'spectral_clustering' y 'sparse_subspace_clustering'.
Estuve implementando el método sparse subspace clustering (SSC, algoritmo 8.6 del libro, pág. 329) y tengo una duda.
El algoritmo 8.6 (paso 1, alg. 8.6) internamente emplea la representación rala C de los datos X, obtenida a partir del algoritmo 8.5. Una vez que se tiene C, es posible calcular la matriz de afinidad W simétrica como |C| + |C'| (paso 2, alg. 8.6). Finalmente, se realiza spectral clustering sobre la matriz W (paso 3, alg. 8.6).
Ahora bien, en la función 'spectral_clustering' implementada según algoritmos 4.5, 4.6 y 4.7 y con el formato del Ejercicio 4.14 (pág. 165), internamente debe computarse la matriz de afinidad W a partir de la matriz de datos entrada X. Es decir, el primer parámetro de entrada a la función 'spectral_clustering' es la matriz de datos X y esto implica la construcción del grafo (computar W) según los distintos métodos vistos en el curso (KNN-graph, gaussian-graph o epsilon-graph).
Sin embargo, en el caso de spectral clustering en el marco de SSC la matriz de entrada no es X sino directamente W. Pregunta: ¿qué implica el paso 1 del algoritmo 4.7 (pág. 157) en términos de código? La matriz de entrada en este caso ya constituye la matriz de afinidad W que caracteriza al grafo, con lo cual no debería computar W nuevamente, ¿es este razonamiento correcto?
Desde ya, muchas gracias por el tiempo.
Saludos cordiales,
Ariel