1

我正在尝试在 C 中使用 VLFeat 的 kmeans 实现，但我很难理解它是如何工作的。

注意：我在 C++ 程序中使用 C API，所以我在这里发布的任何代码都是 C++。此外，我正在使用 Eigean 头库，所以这就是那些 Matrix 数据类型的来源。

从示例和 API 中不清楚的事情是：

  1. 数据必须采用什么格式？kmeans 库函数似乎需要一个一维数组，可以从矩阵的支持中获取。但是，这个矩阵需要是列优先还是行优先？也就是说，函数如何知道区分数据的维度和不同的数据向量？
  2. 我如何实际访问集群中心信息？我运行了一个测试，声明我想要 5 个集群，但是使用上面链接中的示例代码，我只返回 1。

代码：

int numData = 1000;
int dims = 10;
// Use float data and the L1 distance for clustering
VlKMeans * kmeans = vl_kmeans_new (VL_TYPE_FLOAT,  VlDistanceL1) ;
// Use Lloyd algorithm
vl_kmeans_set_algorithm (kmeans, VlKMeansLloyd) ;
// Initialize the cluster centers by randomly sampling the data
Matrix<float, 1000,10, RowMajor> data = buildData(numData, dims);
vl_kmeans_init_centers_with_rand_data (kmeans, data.data(), dims, numData, 5);
// Run at most 100 iterations of cluster refinement using Lloyd algorithm
vl_kmeans_set_max_num_iterations (kmeans, 100) ;
vl_kmeans_refine_centers (kmeans, &data, numData) ;
// Obtain the energy of the solution
energy = vl_kmeans_get_energy(kmeans) ;
// Obtain the cluster centers
centers = (double*)vl_kmeans_get_centers(kmeans);
cout << *centers << endl;

示例输出：centers = 0.0376879（标量）

我如何获得所有中心？我尝试使用数组来存储中心，但它不接受该类型。

我还尝试了以下方法，假设我可能只是错误地访问了中心信息：

cout << centers[0]<< endl;
cout << centers[1]<< endl;
cout << centers[2]<< endl;
cout << centers[3]<< endl;
cout << centers[4]<< endl;
cout << centers[5]<< endl;
cout << centers[6]<< endl;
cout << centers[7]<< endl;
cout << centers[8]<< endl;

但是对于索引 0-4（给定 5 个聚类中心），我应该只有非零值。我实际上预计会为更高的指数抛出异常。如果这是正确的方法，有人可以向我解释这些其他值（索引 5-8）来自什么吗？

我敢肯定还有其他令人困惑的部分，但我什至还没有解决它们，因为我一直停留在这两个非常重要的部分上（我的意思是如果你不能正确集群开始，什么是 kmeans）。

预先感谢您的帮助！

4

1 回答 1

2

数据必须采用什么格式？

手册说：

所有算法都支持float或double数据，并且可以使用 l1 或 l2 距离进行聚类。

您在创建 kmeans 句柄时指定，例如：

VlKMeans *kmeans = vl_kmeans_new(VL_TYPE_FLOAT, VlDistanceL2);

这个矩阵需要是列主要还是行主要？

它必须在row major中，即：data + dimension * i是第 i 个中心。

我如何实际访问集群中心信息？

与vl_kmeans_get_centers. 例如，如果您使用float-s：

/* no need to cast here since get centers returns a `void *` */
const float *centers = vl_kmeans_get_centers(kmeans);

（请参阅有关演员阵容的答案）

此数组的总大小（以字节为单位）为sizeof(float) * dimension * numCenters. 如果您想打印出中心，您可以执行以下操作：

int i, j;
for (i = 0; i < numCenters; i++) {
  printf("center # %d:\n", i);
  for (j = 0; j < dimension; j++) {
    printf("    coord[%d] = %f\n", j, centers[dimension * i + j]);
  }
}
于 2015-02-11T10:14:37.967 回答