experiment(people): measure multi-medoid per-person representation in CV #1080

Merged
chris merged 1 commit from experiment/cv-multi-medoid into main 2026-10-09 21:13:23 +02:00
Owner

Fragestellung

ADR 0101 entschied sich (bewusst, Einfachheit) gegen mehrere Repräsentanten pro Person: eine Person = ein Mittelwert-Centroid. Neue Live-Daten zeigen seither Single-Centroid-Zerfall:

  • Christian: 1142 Faces, 394 davon > 0.50 Cosine-Distanz vom EIGENEN Centroid — der Mittelwert liegt zwischen den visuellen Modi (Licht/Alter/Winkel), keins davon gut bedient.
  • Nathalie: 9 Faces, paarweise bis 0.93 Distanz — das Centroid ist praktisch bedeutungslos.
  • Baseline-CV (PR #1078): Christian→Nathalie 51 Verwechslungen (37 im Band), Christian→Jesper 40 (29 im Band); Hubs sind kleine Karten, Opfer ist der breite Christian-Centroid.

Bevor der Owner die ADR-Entscheidung revidiert, will er Zahlen: Bringt Multi-Medoid pro Person (Sub-Zerlegung der Train-Faces in Cluster, Repräsentant pro Cluster) messbar weniger falsche Vorschläge bei akzeptablem top-1 — und um welchen Preis (Band-Kalibrierung, Repräsentanten-Explosion)?

KEIN Produktionscode, KEIN App-Change — reines Experiment auf dem bestehenden CV-Harness (workers/people/experiments/assignment_cv/), read-only zur Live-DB. Keine Migration, kein ADR (folgt erst, wenn der Owner auf Basis dieser Zahlen entscheidet).

Design

Erweiterung des CV-Harness um die Regeln medoid und medoid-pess neben unverändertem raw/pess:

  • Train-Seite pro Person & Fold: Train-Faces per agglomerativem Average-Linkage-Clustering (Cosine, Lance-Williams-Update, deterministisch, Dendrogramm-Schnitt bei --medoid-threshold, Default 0.50) in Gruppen zerlegen. Repräsentant pro Gruppe: Medoid (Face mit kleinster Distanzsumme zur Gruppe — die Owner-Idee) oder Mittelwert-Centroid (--medoid-representative centroid, Kontrollvariante).
  • Zuordnung: Distanz zu einer Person = MIN über deren Repräsentanten (nächster visueller Modus gewinnt). medoid rankt auf der Raw-Min-Distanz; medoid-pess addiert die ADR-0106-Margin pro Repräsentant mit n_target = Größe der gematchten Gruppe — bewusst konservativer als die Personengesamtgröße der Baseline (die Margin muss die Unsicherheit des tatsächlich gematchten Modus abbilden; Gruppe < Person ⇒ größere Margin). Band-Check immer auf der Raw-Distanz des Gewinners (Produktions-Semantik gespiegelt).
  • Einzel-Cluster-Personen degenerieren zu 1 Repräsentantin. Kandidaten-Universum und ankommende Gruppen sind identisch zur Baseline (Paritätstest) — alle vier Regeln werden auf denselben 2790 evaluierbaren Gruppen ausgewertet und sind direkt vergleichbar.
  • Backward-kompatibel: ohne neue Flags ist run_cv-Verhalten und Output byte-identisch (Regression gegen eine Referenz-Fixture, die auf unverändertem origin/main generiert wurde; zusätzlich Regressionstest: threshold→∞ + centroid-Modus reproduziert raw/pess exakt).
  • Messlauf wie Baseline-PR #1078: Owner 38a79de6…, k=5, seed=42, Gruppe 2796 Faces / 36 Personen, Space arcface-r50/w600k-v1/512d, Band 0.50 (live suggest_max_distance). Baseline-Zahlen exakt reproduziert (raw top-1 2401, WRONG-SUGG 253 / pess 243).

Live-Ergebnisse (read-only)

Kernvergleich m=1 (Band 0.50, evaluated 2790)

Metrik raw pess medoid medoid-pess
top-1 korrekt 2401 (86.1%) 2409 (86.3%) 2692 (96.5%) 2706 (97.0%)
top-3 korrekt 2516 (90.2%) 2539 (91.0%) 2761 (99.0%) 2764 (99.1%)
correct-suggest 1938 1940 2619 2625
WRONG-SUGGEST 253 (9.1%) 243 (8.7%) 91 (3.3%) 74 (2.7%)
davon share der Vorschläge 11.5% 11.1% 3.4% 2.7%
missed (richtig top, d>Band) 463 469 73 81
Vorschläge total 2191 2183 2710 2699

→ −64% falsche Vorschläge bei +10.4 pp top-1 und +681 mehr korrekten Vorschlägen (Vorschläge total +519: 2619−1938 = +681 korrekt, −162 falsch) — der Medoid gewinnt auf allen drei Achsen gleichzeitig, kein Precision/Recall-Trade-off im gewohnten Sinne.

Größere Gruppen (m=2/3/5): medoid bleibt gleichauf oder besser (m=2: WS 5/94 vs 5/94 raw; m=3: 4/66 vs 1/66; m=5: 2/47 vs 0/47 — raw/pess bleiben bei großen Gruppen minimal vorn, beide bereits nahe Null).

Threshold-Sweep (medoid, Band 0.50, m=1)

threshold repr top1 WRONG-SUGG Vorschläge top1 (-pess) WRONG-SUGG (-pess) Vorschläge (-pess)
0.40 medoid 2747 (98.5%) 42 (1.5%) 2769 2744 (98.4%) 40 (1.4%) 2758
0.45 medoid 2727 (97.7%) 62 (2.2%) 2757 2730 (97.8%) 52 (1.9%) 2740
0.50 medoid 2692 (96.5%) 91 (3.3%) 2710 2706 (97.0%) 74 (2.7%) 2699
0.55 medoid 2648 (94.9%) 125 (4.5%) 2582 2670 (95.7%) 101 (3.6%) 2568
0.60 medoid 2613 (93.7%) 135 (4.8%) 2334 2637 (94.5%) 114 (4.1%) 2326
0.50 centroid 2742 (98.3%) 48 (1.7%) 2778 2737 (98.1%) 50 (1.8%) 2776

Zwei Befunde:

  1. Kleinerer Threshold = bessere Trennung (0.40: WS 42, top-1 98.5%) — feinere Modi, weniger Verschmieren. Gegenprobe mit Repräsentanten-Anzahlen unten: bei 0.40 explodiert Christian auf ~218 Repräsentanten.
  2. Die Kontrollvariante ([email protected]) schlägt [email protected]: WS 48 vs 91, top-1 2742 vs 2692. Der Grossteil des Gewinns kommt also von der Multi-Repräsentanten-Zerlegung („MIN über Modi"), nicht vom Medoid-vs-Centroid innerhalb der Gruppe. Wichtige Einschränkung: die Centroid-Kontrolle wurde nur bei Threshold 0.50 gemessen — ob [email protected] nochmals besser wäre, ist damit nicht beantwortet (folgt bei Bedarf aus einem weiteren Kontrollpunkt). Fairerweise heißt das auch: die gemessene Konfiguration [email protected] ist NICHT das Optimum dieser Messreihe; beides zusammen (Threshold feiner + evtl. centroid) ist der vielversprechendste Folgeschritt.

Christian-Verwechslungen (m=1, alle falschen top-1 / davon im Band)

Paar raw pess medoid medoid-pess
Christian → Nathalie 51 (37) 46 (38) < 3 (nicht mehr in Top-10) < 3
Christian → Jesper 40 (29) 39 (30) < 3 (nicht mehr in Top-10) < 3
Christian → Laura 24 (16) 28 (17) 6 (6) 8 (8)
Rikke → Petra 26 (14) 26 (14) — —

Die Hub-Verwechslungen gegen die kleinen Karten kollabieren: Christian → Nathalie/Jesper sinken von 51/40 auf unter 3 (aus den Top-10 raus). Neue Struktur der Fehler: Christian wird selbst zum Hub (12 als falscher top-1-Typ bei medoid, 19 bei medoid-pess, bei raw: 0/N/A), restliche WS sind über mehr Paare verteilt (max 8 statt 51).

Repräsentanten-Anzahl pro Person (threshold 0.50, Median über Folds)

Person Faces Repräsentanten
Christian 1142 97 (94–101)
Holger 424 55 (55–56)
Rikke 435 44 (41–46)
William 224 36 (33–38)
Papa 133 18
Nathalie 9 3
Jesper 13 5

Verteilung: 12 Personen mit 1 Repräsentant, 24/36 mit >1; Länge steigt grob sublinear mit Personengröße. Nathalie (9 Faces) bleibt mit 3 Repräsentanten klein — die kleinen Karten ändern sich kaum, nur die Riesen bekommen Struktur. Operative Kosten: ~300 Repräsentanten-Vektoren gesamt (bei 0.40: ~700) statt 36 Centroids — für den Worker-Trivial-last, aber ein Designparameter, den eine ADR-Revision festlegen müsste.

Band-Shift-Diskussion (ehrlich geprüft)

MIN-über-Repräsentanten verkleinert Distanzen systematisch (Distanzverteilung m=1, korrekter top-1: p50 0.409 raw → 0.325 medoid). Ein fester Band 0.50 bedeutet also für medoid ein weiteres Band im Distanzraum. Die Frage: verschiebt das die Kalibrierung (Vorschlagsquote vs Fehlerquote)?

Regel / Band Vorschläge (Quote) WRONG-SUGG (Quote) Fehleranteil der Vorschläge
raw @ 0.50 2191 (78.5%) 253 (9.1%) 11.5%
pess @ 0.50 2183 (78.2%) 243 (8.7%) 11.1%
medoid @ 0.50 2710 (97.1%) 91 (3.3%) 3.4%
medoid-pess @ 0.50 2699 (96.7%) 74 (2.7%) 2.7%
medoid @ 0.45 (≈ raw-Quote) 2520 (90.3%) 81 (2.9%) 3.2%
medoid @ 0.40 2076 (74.4%) 44 (1.6%) 2.1%

Bei gleicher Vorschlagsquote wie [email protected] (Band ~0.40–0.45 statt 0.50): medoid bleibt bei 1.6–2.9% WRONG-SUGG-Quote gegenüber 9.1% raw — der Fehleranteil ist 3.1–5.7× niedriger (2.9% bei Band 0.45 = 3.1×; 1.6% bei Band 0.40 = 5.7×). Andersrum: [email protected] liefert 24% mehr Vorschläge als [email protected] bei einem Drittel der Fehlerrate. Die Band-Verschiebung existiert (Band müsste für gleiche Abdeckung von 0.50 auf ~0.40–0.45 sinken), kehrt den Vorteil aber nicht um — die Trennung richtig/falsch verbessert sich substanziell, nicht nur die Skalierung der Distanzen.

Randnotiz: Ranking/top-1 ist bandunabhängig (Top-1 2692 bei allen Bändern) — das Band steuert nur Vorschläge, nie die Zuordnung.

Testbefund

PYTHONPATH=workers/people/src python3 -m pytest workers/people/tests -q → 297 passed (282 bestehende + 15 neue):

  • Average-Linkage: deterministisch, monotone Merge-Heights, Average≠Single-Linkage-Nachweis, Threshold-Staffelung (4→2→1 Cluster), Singleton-Personen (1 Face → 1 Repräsentant), alle-Faces-in-einer-Gruppe bei hohem Threshold.
  • Medoid-Wahl auf konstruiertem 3-Punkt-Beispiel (Mitte gewinnt, Tie→aufsteigende Position).
  • MIN-über-Repräsentanten + n_target=Gruppengröße: konstruierte Geometrie (p1 mit Modus A 2 Faces / Modus B 20 Faces), in der medoid-pess wegen der kleineren Margin von B den Repräsentanten innerhalb der Person wechselt — der Recorded Raw-Distanz ist der des pessimistisch gewählten Repräsentanten (ADR-0106-Spiegel).
  • Parität mit Baseline: identisches Kandidaten-Universum, identische Gruppen (source_centroids, n_source, True-Indizes bitgleich).
  • Degenerations-Invariante: threshold→∞ + centroid-Modus ⇒ medoid/medoid-pess ≡ raw/pess (Counts identisch, Distanzverteilungen bis 1e-9).
  • Backward-Kompat: run_experiment ohne neue Flags reproduziert die auf origin/main generierte Referenz-Fixture exakt (Rates bis 1e-9, Counts exakt).

Keine DB in Tests; Fixture ist synthetisch (2D-Kreisgeometrie).

Grenzen (unverändert vom Harness, ehrlich)

  • Near-Duplicate-Leakage (Fotoserien über Folds) macht absolute top-1-Werte optimistisch; Vergleiche zwischen Regeln im selben Setup bleiben gültig — genau das ist hier gemessen.
  • Das CV kennt kein Produktions-Clustering der ankommenden Gruppen; gemessen ist nur die Zuordnungsstufe.
  • Live-Datenstand = Patch vom 09.10.2026; kein Inkremental-Szenario (Cluster-Wachstum, Repräsentanten-Neubildung) simuliert.
# Fragestellung ADR 0101 entschied sich (bewusst, Einfachheit) gegen mehrere Repräsentanten pro Person: eine Person = **ein** Mittelwert-Centroid. Neue Live-Daten zeigen seither **Single-Centroid-Zerfall**: * **Christian: 1142 Faces, 394 davon > 0.50 Cosine-Distanz vom EIGENEN Centroid** — der Mittelwert liegt zwischen den visuellen Modi (Licht/Alter/Winkel), keins davon gut bedient. * **Nathalie: 9 Faces, paarweise bis 0.93 Distanz** — das Centroid ist praktisch bedeutungslos. * Baseline-CV (PR #1078): Christian→Nathalie 51 Verwechslungen (37 im Band), Christian→Jesper 40 (29 im Band); Hubs sind kleine Karten, Opfer ist der breite Christian-Centroid. Bevor der Owner die ADR-Entscheidung revidiert, will er Zahlen: Bringt **Multi-Medoid pro Person** (Sub-Zerlegung der Train-Faces in Cluster, Repräsentant pro Cluster) messbar weniger falsche Vorschläge bei akzeptablem top-1 — und um welchen Preis (Band-Kalibrierung, Repräsentanten-Explosion)? **KEIN Produktionscode, KEIN App-Change** — reines Experiment auf dem bestehenden CV-Harness (`workers/people/experiments/assignment_cv/`), read-only zur Live-DB. Keine Migration, kein ADR (folgt erst, wenn der Owner auf Basis dieser Zahlen entscheidet). # Design Erweiterung des CV-Harness um die Regeln `medoid` und `medoid-pess` neben unverändertem `raw`/`pess`: * **Train-Seite pro Person & Fold:** Train-Faces per **agglomerativem Average-Linkage-Clustering** (Cosine, Lance-Williams-Update, deterministisch, Dendrogramm-Schnitt bei `--medoid-threshold`, Default 0.50) in Gruppen zerlegen. Repräsentant pro Gruppe: **Medoid** (Face mit kleinster Distanzsumme zur Gruppe — die Owner-Idee) oder **Mittelwert-Centroid** (`--medoid-representative centroid`, Kontrollvariante). * **Zuordnung:** Distanz zu einer Person = **MIN über deren Repräsentanten** (nächster visueller Modus gewinnt). `medoid` rankt auf der Raw-Min-Distanz; `medoid-pess` addiert die ADR-0106-Margin **pro Repräsentant** mit `n_target = Größe der gematchten Gruppe` — bewusst konservativer als die Personengesamtgröße der Baseline (die Margin muss die Unsicherheit des tatsächlich gematchten Modus abbilden; Gruppe < Person ⇒ größere Margin). Band-Check immer auf der Raw-Distanz des Gewinners (Produktions-Semantik gespiegelt). * Einzel-Cluster-Personen degenerieren zu 1 Repräsentantin. Kandidaten-Universum und ankommende Gruppen sind **identisch zur Baseline** (Paritätstest) — alle vier Regeln werden auf denselben 2790 evaluierbaren Gruppen ausgewertet und sind direkt vergleichbar. * **Backward-kompatibel:** ohne neue Flags ist `run_cv`-Verhalten und Output byte-identisch (Regression gegen eine Referenz-Fixture, die auf unverändertem origin/main generiert wurde; zusätzlich Regressionstest: threshold→∞ + centroid-Modus reproduziert raw/pess exakt). * Messlauf wie Baseline-PR #1078: Owner `38a79de6…`, **k=5, seed=42**, Gruppe 2796 Faces / 36 Personen, Space arcface-r50/w600k-v1/512d, Band 0.50 (live `suggest_max_distance`). Baseline-Zahlen exakt reproduziert (raw top-1 2401, WRONG-SUGG 253 / pess 243). # Live-Ergebnisse (read-only) ## Kernvergleich m=1 (Band 0.50, evaluated 2790) | Metrik | raw | pess | medoid | medoid-pess | |---|---|---|---|---| | top-1 korrekt | 2401 (86.1%) | 2409 (86.3%) | **2692 (96.5%)** | **2706 (97.0%)** | | top-3 korrekt | 2516 (90.2%) | 2539 (91.0%) | 2761 (99.0%) | 2764 (99.1%) | | correct-suggest | 1938 | 1940 | 2619 | 2625 | | **WRONG-SUGGEST** | **253 (9.1%)** | **243 (8.7%)** | **91 (3.3%)** | **74 (2.7%)** | | davon share der Vorschläge | 11.5% | 11.1% | 3.4% | 2.7% | | missed (richtig top, d>Band) | 463 | 469 | 73 | 81 | | Vorschläge total | 2191 | 2183 | 2710 | 2699 | → **−64% falsche Vorschläge bei +10.4 pp top-1 und +681 mehr korrekten Vorschlägen** (Vorschläge total +519: 2619−1938 = +681 korrekt, −162 falsch) — der Medoid gewinnt auf allen drei Achsen gleichzeitig, kein Precision/Recall-Trade-off im gewohnten Sinne. Größere Gruppen (m=2/3/5): medoid bleibt gleichauf oder besser (m=2: WS 5/94 vs 5/94 raw; m=3: 4/66 vs 1/66; m=5: 2/47 vs 0/47 — raw/pess bleiben bei großen Gruppen minimal vorn, beide bereits nahe Null). ## Threshold-Sweep (medoid, Band 0.50, m=1) | threshold | repr | top1 | WRONG-SUGG | Vorschläge | | top1 (-pess) | WRONG-SUGG (-pess) | Vorschläge (-pess) | |---|---|---|---|---|---|---|---|---| | 0.40 | medoid | **2747 (98.5%)** | **42 (1.5%)** | 2769 | | 2744 (98.4%) | **40 (1.4%)** | 2758 | | 0.45 | medoid | 2727 (97.7%) | 62 (2.2%) | 2757 | | 2730 (97.8%) | 52 (1.9%) | 2740 | | **0.50** | medoid | 2692 (96.5%) | 91 (3.3%) | 2710 | | 2706 (97.0%) | 74 (2.7%) | 2699 | | 0.55 | medoid | 2648 (94.9%) | 125 (4.5%) | 2582 | | 2670 (95.7%) | 101 (3.6%) | 2568 | | 0.60 | medoid | 2613 (93.7%) | 135 (4.8%) | 2334 | | 2637 (94.5%) | 114 (4.1%) | 2326 | | 0.50 | **centroid** | 2742 (98.3%) | 48 (1.7%) | 2778 | | 2737 (98.1%) | 50 (1.8%) | 2776 | Zwei Befunde: 1. **Kleinerer Threshold = bessere Trennung** (0.40: WS 42, top-1 98.5%) — feinere Modi, weniger Verschmieren. Gegenprobe mit Repräsentanten-Anzahlen unten: bei 0.40 explodiert Christian auf ~218 Repräsentanten. 2. **Die Kontrollvariante ([email protected]) schlägt [email protected]**: WS 48 vs 91, top-1 2742 vs 2692. Der Grossteil des Gewinns kommt also von der **Multi-Repräsentanten-Zerlegung** („MIN über Modi"), nicht vom Medoid-vs-Centroid innerhalb der Gruppe. Wichtige Einschränkung: die Centroid-Kontrolle wurde nur bei Threshold 0.50 gemessen — ob [email protected] nochmals besser wäre, ist damit nicht beantwortet (folgt bei Bedarf aus einem weiteren Kontrollpunkt). Fairerweise heißt das auch: die gemessene Konfiguration [email protected] ist NICHT das Optimum dieser Messreihe; beides zusammen (Threshold feiner + evtl. centroid) ist der vielversprechendste Folgeschritt. ## Christian-Verwechslungen (m=1, alle falschen top-1 / davon im Band) | Paar | raw | pess | medoid | medoid-pess | |---|---|---|---|---| | **Christian → Nathalie** | **51 (37)** | **46 (38)** | **< 3 (nicht mehr in Top-10)** | **< 3** | | **Christian → Jesper** | **40 (29)** | **39 (30)** | **< 3 (nicht mehr in Top-10)** | **< 3** | | Christian → Laura | 24 (16) | 28 (17) | 6 (6) | 8 (8) | | Rikke → Petra | 26 (14) | 26 (14) | — | — | Die Hub-Verwechslungen gegen die kleinen Karten kollabieren: Christian → Nathalie/Jesper sinken von 51/40 auf **unter 3** (aus den Top-10 raus). Neue Struktur der Fehler: Christian wird selbst zum Hub (12 als falscher top-1-Typ bei medoid, 19 bei medoid-pess, bei raw: 0/N/A), restliche WS sind über mehr Paare verteilt (max 8 statt 51). ## Repräsentanten-Anzahl pro Person (threshold 0.50, Median über Folds) | Person | Faces | Repräsentanten | |---|---|---| | Christian | 1142 | **97** (94–101) | | Holger | 424 | 55 (55–56) | | Rikke | 435 | 44 (41–46) | | William | 224 | 36 (33–38) | | Papa | 133 | 18 | | Nathalie | 9 | 3 | | Jesper | 13 | 5 | Verteilung: 12 Personen mit 1 Repräsentant, 24/36 mit >1; Länge steigt grob sublinear mit Personengröße. Nathalie (9 Faces) bleibt mit 3 Repräsentanten klein — die kleinen Karten ändern sich kaum, nur die Riesen bekommen Struktur. **Operative Kosten:** ~300 Repräsentanten-Vektoren gesamt (bei 0.40: ~700) statt 36 Centroids — für den Worker-Trivial-last, aber ein Designparameter, den eine ADR-Revision festlegen müsste. ## Band-Shift-Diskussion (ehrlich geprüft) MIN-über-Repräsentanten verkleinert Distanzen **systematisch** (Distanzverteilung m=1, korrekter top-1: p50 0.409 raw → 0.325 medoid). Ein fester Band 0.50 bedeutet also für medoid ein **weiteres** Band im Distanzraum. Die Frage: verschiebt das die Kalibrierung (Vorschlagsquote vs Fehlerquote)? | Regel / Band | Vorschläge (Quote) | WRONG-SUGG (Quote) | Fehleranteil der Vorschläge | |---|---|---|---| | raw @ 0.50 | 2191 (78.5%) | 253 (9.1%) | 11.5% | | pess @ 0.50 | 2183 (78.2%) | 243 (8.7%) | 11.1% | | medoid @ 0.50 | 2710 (97.1%) | 91 (3.3%) | 3.4% | | medoid-pess @ 0.50 | 2699 (96.7%) | 74 (2.7%) | 2.7% | | **medoid @ 0.45** (≈ raw-Quote) | 2520 (90.3%) | **81 (2.9%)** | 3.2% | | medoid @ 0.40 | 2076 (74.4%) | **44 (1.6%)** | 2.1% | Bei **gleicher Vorschlagsquote wie [email protected]** (Band ~0.40–0.45 statt 0.50): medoid bleibt bei **1.6–2.9% WRONG-SUGG-Quote** gegenüber **9.1% raw** — der Fehleranteil ist **3.1–5.7× niedriger** (2.9% bei Band 0.45 = 3.1×; 1.6% bei Band 0.40 = 5.7×). Andersrum: [email protected] liefert 24% mehr Vorschläge als [email protected] bei einem Drittel der Fehlerrate. **Die Band-Verschiebung existiert (Band müsste für gleiche Abdeckung von 0.50 auf ~0.40–0.45 sinken), kehrt den Vorteil aber nicht um** — die Trennung richtig/falsch verbessert sich substanziell, nicht nur die Skalierung der Distanzen. Randnotiz: Ranking/top-1 ist bandunabhängig (Top-1 2692 bei allen Bändern) — das Band steuert nur Vorschläge, nie die Zuordnung. # Testbefund `PYTHONPATH=workers/people/src python3 -m pytest workers/people/tests -q` → **297 passed** (282 bestehende + 15 neue): * Average-Linkage: deterministisch, monotone Merge-Heights, Average≠Single-Linkage-Nachweis, Threshold-Staffelung (4→2→1 Cluster), Singleton-Personen (1 Face → 1 Repräsentant), alle-Faces-in-einer-Gruppe bei hohem Threshold. * Medoid-Wahl auf konstruiertem 3-Punkt-Beispiel (Mitte gewinnt, Tie→aufsteigende Position). * MIN-über-Repräsentanten + `n_target=Gruppengröße`: konstruierte Geometrie (p1 mit Modus A 2 Faces / Modus B 20 Faces), in der medoid-pess wegen der kleineren Margin von B den Repräsentanten **innerhalb** der Person wechselt — der Recorded Raw-Distanz ist der des pessimistisch gewählten Repräsentanten (ADR-0106-Spiegel). * Parität mit Baseline: identisches Kandidaten-Universum, identische Gruppen (`source_centroids`, `n_source`, True-Indizes bitgleich). * Degenerations-Invariante: threshold→∞ + centroid-Modus ⇒ medoid/medoid-pess ≡ raw/pess (Counts identisch, Distanzverteilungen bis 1e-9). * Backward-Kompat: `run_experiment` ohne neue Flags reproduziert die auf origin/main generierte Referenz-Fixture exakt (Rates bis 1e-9, Counts exakt). Keine DB in Tests; Fixture ist synthetisch (2D-Kreisgeometrie). # Grenzen (unverändert vom Harness, ehrlich) * Near-Duplicate-Leakage (Fotoserien über Folds) macht absolute top-1-Werte optimistisch; **Vergleiche zwischen Regeln im selben Setup bleiben gültig** — genau das ist hier gemessen. * Das CV kennt kein Produktions-Clustering der ankommenden Gruppen; gemessen ist nur die Zuordnungsstufe. * Live-Datenstand = Patch vom 09.10.2026; kein Inkremental-Szenario (Cluster-Wachstum, Repräsentanten-Neubildung) simuliert.
experiment(people): multi-medoid per-person representation in assignment CV
All checks were successful
Wiki Sync / Sync wiki from docs (push) Has been skipped
Build and Deploy / Detect changed services and test scopes (push) Successful in 2s
Build and Deploy / Run scoped PR tests (push) Has been skipped
Build and Deploy / Android unit tests and debug APK (push) Has been skipped
Build and Deploy / Smoke API and media worker (push) Has been skipped
Build and Deploy / Smoke web (push) Has been skipped
Build and Deploy / Smoke ML worker (push) Has been skipped
Build and Deploy / Smoke people worker (push) Has been skipped
Build and Deploy / Build postgres image (push) Has been skipped
Build and Deploy / Build plants worker image (push) Has been skipped
Build and Deploy / Build converter worker image (push) Has been skipped
Build and Deploy / Deploy postgres (push) Has been skipped
Build and Deploy / Build API image (push) Has been skipped
Build and Deploy / Build media worker image (push) Has been skipped
Build and Deploy / Build ML worker image (push) Has been skipped
Build and Deploy / Build people worker image (push) Has been skipped
Build and Deploy / Build web image (push) Has been skipped
Build and Deploy / Deploy API (push) Has been skipped
Build and Deploy / Deploy web (push) Has been skipped
Build and Deploy / Deploy media worker (push) Has been skipped
Build and Deploy / Deploy ML worker (push) Has been skipped
Build and Deploy / Deploy plants worker (push) Has been skipped
Build and Deploy / Deploy people worker (push) Has been skipped
Build and Deploy / Deploy converter worker (push) Has been skipped
Build and Deploy / Clean Docker build artifacts (push) Has been skipped
238caf6469
Adds an EXPERIMENT-ONLY extension to the offline assignment-CV harness
measuring the Owner's multi-medoid idea against the single-centroid
baseline (ADR 0101 follow-up; live data shows single-centroid decay).

- medoid.py: deterministic average-linkage (UPGMA, Lance-Williams)
  clustering of each person's train faces per fold, cut at
  --medoid-threshold; representative per cluster = medoid (owner variant)
  or mean centroid (control); assignment = MIN over representatives;
  medoid-pess adds the ADR 0106 margin per representative with
  n_target = matched GROUP size (conservative vs person total).
- engine.py: _aggregate_ranking extracted verbatim from
  evaluate_fold_groups (raw/pess bit-identical, guarded by a reference
  fixture generated on pristine origin/main); medoid rules appear in
  base results beside raw/pess only when enabled.
- run_cv.py/report.py: --medoid-threshold/-representative/-sweep/-bands
  flags + markdown tables (threshold sweep, band shift, representative
  counts). Without new flags behaviour and output are unchanged.
- 15 new tests (297 total green): clustering determinism, medoid choice,
  min-over-reps semantics, group-size margin flip, baseline parity
  (threshold=inf + centroid mode == raw/pess), backward compat.
chris merged commit 08b1607068 into main 2026-10-09 21:13:23 +02:00
Sign in to join this conversation.
No reviewers
No labels
No milestone
No project
No assignees
1 participant
Notifications
Due date
The due date is invalid or out of range. Please use the format "yyyy-mm-dd".

No due date set.

Dependencies

No dependencies set

Reference
chris/memories!1080
No description provided.