问题标签 [k-means]

k-means++算法有助于原始 k-means 算法的以下两点：

1. 原始的 k-means 算法在输入大小上具有超多项式的最坏情况运行时间，而 k-means++ 声称是 O(log k)。
2. 与最佳聚类相比，找到的近似值在目标函数方面可能会产生不太令人满意的结果。

但是 k-means++ 有什么缺点吗？从现在开始，我们是否应该一直使用它而不是 k-means？

我不确定这个问题是否适合这里。无论如何，这里的人似乎很有帮助。所以这是我的问题。

在 k-mean 聚类的情况下，有必要给出聚类的初始位置。为什么不同的聚类初始位置会影响最终的聚类结果？

我想用 kmeans 对矩阵进行聚类，并能够将其绘制为热图。听起来很琐碎，我也看过很多这样的情节。我试图用谷歌搜索，但找不到绕过它的方法。

我希望能够在此图上绘制面板 A 或 B 之类的东西。假设我有一个 250 行 5 列的矩阵。我不想对列进行聚类，只是对行进行聚类。

那么如何将这 10 个集群绘制为热图？您的评论和帮助非常受欢迎。

谢谢。

我正在尝试在键值类型的向量上使用 k-means 聚类。我的问题是，如何设置向量中每个元素的坐标？具体来说，键值对是字符串浮点数。我需要这个来稍后找到集群的中心。

我想用 Java 读取 wav 文件，我将用 K-means 对它们进行分类。

如何在 Java 中读取 wav 文件并将它们分配到数组或类似的东西中（您可以提出建议）以对它们进行分类？

编辑：我想使用 API 来读取 wav 文件和 K-means。

我正在尝试使用 K-means 基于大约 1200 个二进制变量对大约 12000 个元素进行聚类。传统的距离度量（欧几里得、曼哈顿、汉明、列文斯坦）都没有产生令人满意的结果。

我设计了以下指标。

Dist(x,y)= P(x=0|y=1) P(y=0|x=1) 的最小值

有没有人对这类问题使用过类似的方法？使用这个指标有什么明显的缺陷吗？我对数据挖掘比较陌生，如果有任何反馈，我将不胜感激。

谢谢

我有一个简单的机器学习问题：

我有 n (~110) 个元素，以及所有成对距离的矩阵。我想选择相距最远的10个元素。也就是说，我想

我的距离度量是对称的并且尊重三角不等式。

我可以使用什么样的算法？我的第一直觉是执行以下操作：

1. 将 n 个元素聚类为 20 个聚类。
2. 仅将每个簇替换为该簇中距离原始 n 的平均元素最远的元素。
3. 使用蛮力解决剩下的 20 名候选人的问题。幸运的是，20 选 10 只有 184,756。

编辑：感谢 etarion 富有洞察力的评论，在优化问题陈述中将“返回（距离）总和”更改为“返回最小距离”。

我正在尝试根据像素值分离灰度图像：假设一个 bin 中的像素从 0 到 60，另一个 bin 中的像素为 60-120，另一个中的像素为 120-180 ...，依此类推，直到 255。在此范围内大致等距案子。但是，通过使用 K-means 聚类，是否有可能更实际地衡量我的像素值范围应该是多少？试图一起获得相似的像素，而不是在像素浓度较低的地方浪费垃圾箱。

编辑（包括获得的结果）：

k-means 没有集群 = 5

我正在寻找最快的算法，将地图上的点按距离分成大小相等的组。k-means 聚类算法看起来简单而有前途，但不会产生同样大小的组。

该算法是否有变体或允许所有集群的成员数量相等的不同算法？

另请参阅：将 n 个点分组到 k 个大小相等的集群中

我正在尝试对一组 4D 向量进行聚类，但事先不知道应该有多少个聚类。在过去，我已经能够使用 cvKmeans2 进行聚类，只要知道聚类的数量。我正在浏览 API 并遇到cv::flann::hierarchicalClustering. 这看起来会做我需要的（即，执行k-means，在必要时拆分集群，迭代直到拆分使结果恶化），但我真的在“索引参数”上苦苦挣扎。

我发现我需要创建一个作为第二个参数的索引结构，但是我从以下代码中得到一个错误：

cv::flann::Index fln_idx = cv::flann::KMeansIndexParams::createIndex( framePoints );

错误是：

../src/segmentation_1.cpp:592: error: cannot call member function ‘virtual flann::Index* cv::flann::KMeansIndexParams::createIndex(const cv::Mat&) const’ without object

framePoints定义如下：

CvMat *framePoints = cvCreateMat( frameTracklets.size( ), 4, CV_32FC1 );

我很确定我在做一些非常愚蠢的事情（我的 C++ 知识还可以，但不是很好）。我想我已经发布了所有相关的代码，但如果没有，请告诉我，我会发布更多。

提前致谢！

更新

我遵循了 LumpN 的建议并使用以下内容创建了一个 Kmeans 对象：

现在，当我运行它时，我收到一条错误消息，hierarchicalClustering()例如“所需集群的数量应该是>= 1”（我需要检查何时开始工作 - 我将使用实际错误进行更新）。我假设它createIndex()给出了起点，然后hierarchicalClustering()拆分集群直到找到一个好的结果（不确定这是否是最佳的）。我需要cv::flann::KMeansIndexParams()用一些参数打电话吗？我看过api，完全糊涂了！再次感谢！