问题标签 [k-means]

我必须使用由 ABC 算法优化的模糊 c 均值对作业列表进行聚类。将这些算法一起应用的任何示例？

非常感谢您的帮助...

在Wikipedia 页面上，描述了一种肘部方法，用于确定 k-means 中的集群数量。scipy 的内置方法提供了一个实现，但我不确定我是否理解他们所说的失真是如何计算的。

更准确地说，如果你绘制集群解释的方差百分比与集群数量的关系图，第一个集群将添加很多信息（解释很多方差），但在某些时候边际增益会下降，给出一个角度图形。

假设我有以下点及其相关的质心，那么计算这个度量的好方法是什么？

我正在专门研究仅给定点和质心来计算 0.94.. 度量。我不确定是否可以使用任何 scipy 的内置方法，或者我必须自己编写。关于如何有效地为大量点执行此操作的任何建议？

简而言之，我的问题（所有相关的）如下：

• 给定距离矩阵和哪个点属于哪个簇的映射，计算可用于绘制肘部图的度量的好方法是什么？
• 如果使用不同的距离函数（例如余弦相似度），该方法将如何变化？

编辑 2：失真

第一组点的输出是准确的。但是，当我尝试不同的设置时：

我猜最后一个值不匹配，因为kmeans似乎将该值除以数据集中的点总数。

编辑 1：百分比方差

到目前为止我的代码（应该添加到 Denis 的 K-means 实现中）：

以下是 k=2 的输出：

在我的真实数据集上（对我来说看起来不对！）：

我有一个感觉很简单的问题，但我似乎找不到答案。我对 Weka 还很陌生，但我觉得我已经对此进行了一些研究（至少通读了谷歌搜索结果的前几页），然后就干了。

我正在使用 Weka 使用 Simple K-Means 运行集群。在结果列表中，我可以毫无问题地可视化我的输出（“可视化集群分配”），从我对 K-Means 算法的理解和 Weka 的输出来看，我的每个实例最终都会成为一个成员不同的集群（如果你愿意，以特定的质心为中心）。

我可以从文本输出中看到一些集群组成。然而，Weka 没有为我提供从实例编号到集群编号的明确“映射”。我想要类似的东西：

如何在不计算每个项目到每个质心的距离的情况下获得这些结果？

我们如何在 Matlab 中实现 K-means 算法而不使用 kmeans(X,k) 语法？

实际上问题不在于实现算法。请看下图：

我实现了大多数网站提供的算法，例如http://en.wikipedia.org/wiki/Kmeans

我设置了 X 的 4 个观测值（200 个样本），我已经知道这 4 个观测值来自 1 个集群。因此，根据算法，上述图像的聚类是可以解释的，但事实并非如此。我认为 4 个初始值不应该随机选择。

我还运行了一些其他源代码，例如http://people.revoledu.com/kardi/tutorial/kMean/matlab_kMeans.htm。推导出同样的结果。您可以从http://www.4shared.com/get/IfwUEUBD/Observation.html下载我的观察结果并自己查看结果。

I was required to write a bisecting k-means algorithm, but I didnt understand the algorithm. I know k-means algorithm.

Can you explain the algorithm, but not in academic language

Thanks.

我在一个大而稀疏的矩阵〜（1000000x1000）上使用k-means和matlab。现在这是问题所在 - 使用余弦相似度作为距离函数，我在几分钟内得到“内存不足。为您的选项键入 HELP MEMORY”消息。但是，如果我使用欧几里得距离，它会完美运行（相同的矩阵）。

这有点奇怪，因为距离是成对计算的，每次距离计算只需要一个小的常量内存。

在较小的矩阵（1000x1000，虽然不是那么稀疏）上使用 k-means 时，余弦效果很好。

技术细节：该机器为 64 位，配备 8GB RAM。如果你想尝试：矩阵可以在这里找到（它在 sendspace 上，所以它可以使用几周）。

文件为稀疏格式：[row]\t[column]\t[value]\n

matlab代码：

1. 顺便说一句，关于内存使用差异的任何想法。余弦和欧几里得距离？

2. 关于如何处理它并在大矩阵上实际使用余弦的任何想法？

谢谢！

我正在尝试在 3 通道彩色图像上运行 kmeans，但每次我尝试运行该函数时，它似乎都会因以下错误而崩溃：

我在下面的代码中包含了一些注释，以帮助指定传入的内容。非常感谢任何帮助。

我正在尝试从 kmeans 函数返回的数据创建一个聚类图像。我尝试以类似的方式从 OpenCV 示例中提取数据，但这似乎让我崩溃了。经过一些进一步的研究，我看到有人通过使用这些中心提取了数据，但没有对这些数据做任何事情，所以我的追踪就到此为止了。

我在下面包含了我的代码片段和我在做什么。任何帮助将不胜感激。

编辑 我已经将我的代码恢复到原始状态，没有任何测试变量。上述错误仍然存​​在。我还在下面添加了一些关于我的图像的调试信息：

图片信息：

• 尺寸：2
• 图像数据：
• 尺寸 0：256
• 尺寸 1：256
• 元素尺寸 1: 12
• 元素尺寸 2: 4

虽然数据为 NULL，但如果我调用cv::imshow它，我仍然可以查看数据。

我正在尝试与 K-Means 一起实现 Canopy 聚类算法。我在网上做了一些搜索，说要使用 Canopy 聚类来让您的初始起点输入 K-means，问题是，在 Canopy 聚类中，您需要为 Canopy 指定 2 个阈值：T1 和 T2，其中内部阈值中的点与该树冠密切相关，而较宽阈值中的点与该树冠的相关性较小。这些阈值或距树冠中心的距离是如何确定的？

问题背景：

我要解决的问题是，我有一组数字，例如 [1,30] 或 [1,250]，其设置大小约为 50。可以有重复的元素，它们也可以是浮点数，例如as 8, 17.5, 17.5, 23, 66, ... 我想找到最优的簇，或一组数字的子集。

因此，如果使用 K-means 进行 Canopy 聚类是一个不错的选择，那么我的问题仍然存在：您如何找到 T1、T2 值？如果这不是一个好的选择，是否有更好、更简单但有效的算法可供使用？

我使用此代码。它应该打印集群标签然后是质心。但是带有质心的“中心”矩阵似乎是空的，充满了零。我的朋友们怎么了？