0

我正在解决一个混乱的问题。

我有一套 100 observatons。每个观察由 3 个特征描述。我必须将这些观察分为两组（每个观察都有一个标签）。

在对观察结果进行聚类之前，我首先计算观察结果之间的pdist值，然后使用 MATLAB 中的 mdscale 函数返回到 3 维。如果与使用原始观测值相比，我使用transformed_observationkmean 聚类算法作为输入，以获得更好的聚类结果（即聚类与标签匹配）。谁能解释我为什么？？？我刚试过...

在这里你可以找到我的步骤...

% select the dimensions of my features
dimensions = 3;

% generate an example data set
observations = rand(100,dimensions);

% if yes use the combination of pdist + mdscale
use_dissimilarity = 'yes';

if strcmp(use_dissimilarity,'yes')
  %compute pdist between features
  dissimilarity = pdist(observations,@kullback_leibler_divergence);
  %re-transform features in 3 dimensions                             
  transformed_observations = mdscale(dissimilarity,dimensions);
else
  transformed_observations = observations;
end

%cluster observations 
numbercluster = 2;
[IDX, clustercentroids] = kmeans(transformed_observations, numbercluster,...
                    'emptyaction','singleton',...
                    'replicates',11,'display','off');
4

1 回答 1

1

pdist计算成对距离（使用 KL-Divergence）。

mdscale（多维缩放）现在将尝试将距离嵌入欧几里德向量空间，以便最好地保留它们。

K-means仅适用于平方欧几里得距离（以及其他一些 Bregman 散度）。

因此，在我看来，Matlab 允许您使用其他一些距离是一个错误：

'sqeuclidean' （默认） | '城市街区' | '余弦' | '相关性' | '汉明'

如果 KL-Divergence 适合您的数据集，这并不奇怪，因为这种结构允许在 KL-Divergence（近似值）上使用 k-means。

于 2016-01-27T01:19:45.453 回答