1

我试图用维度为 15'000 x 7 的数据集进行模糊 k 均值聚类。我首先尝试了函数 fanny，它花了 R 将近 7 个小时才得到结果（我也尝试了其他参数，但它总是很慢；用5'000 行的样本大约需要半小时）。使用 cmeans 函数需要 27 秒。cmeans 与 fanny 有何不同？这是我设置这两个功能的方法：

fn <- fanny(training, k=40, memb.exp=1.3, metric="manhattan")
cn <- cmeans(training, 40, iter.max=500, dist="manhattan", method="cmeans", m=1.3)

生成的成员资格相似但不等价。此外，如何计算 cmeans 中的中心？在范妮中，我使用以下内容：

cent <- matrix(NA,40,ncol(training))
for (k in 1:40){
  cent[k,] <- colSums(fn$membership[,k]*training)/sum(fn$membership[,k]) 
}

将此应用于 cmeans，我得到的结果与 cmeans$centers 不同。

非常感谢！

4

0 回答 0