Matlab:K-均值聚类
cluster-analysis
k-means
machine-learning
matlab
7
0

我有一个矩阵A(369x10),我想将其集群为19个集群。我用这种方法

[idx ctrs]=kmeans(A,19)

产生idx(369x1)和ctrs(19x10)

我的意思是,我在A中的所有行都聚集在19个集群中。

现在我有一个数组B(49x10),我想知道这个B的行在给定的19个簇中对应的位置。

在MATLAB中怎么可能?

先感谢您

参考资料:
Stack Overflow
收藏
评论
共 3 个回答
高赞 时间 活跃

以下是有关群集的完整示例:

%% generate sample data
K = 3;
numObservarations = 100;
dimensions = 3;
data = rand([numObservarations dimensions]);

%% cluster
opts = statset('MaxIter', 500, 'Display', 'iter');
[clustIDX, clusters, interClustSum, Dist] = kmeans(data, K, 'options',opts, ...
    'distance','sqEuclidean', 'EmptyAction','singleton', 'replicates',3);

%% plot data+clusters
figure, hold on
scatter3(data(:,1),data(:,2),data(:,3), 50, clustIDX, 'filled')
scatter3(clusters(:,1),clusters(:,2),clusters(:,3), 200, (1:K)', 'filled')
hold off, xlabel('x'), ylabel('y'), zlabel('z')

%% plot clusters quality
figure
[silh,h] = silhouette(data, clustIDX);
avrgScore = mean(silh);


%% Assign data to clusters
% calculate distance (squared) of all instances to each cluster centroid
D = zeros(numObservarations, K);     % init distances
for k=1:K
    %d = sum((x-y).^2).^0.5
    D(:,k) = sum( ((data - repmat(clusters(k,:),numObservarations,1)).^2), 2);
end

% find  for all instances the cluster closet to it
[minDists, clusterIndices] = min(D, [], 2);

% compare it with what you expect it to be
sum(clusterIndices == clustIDX)
收藏
评论

我想不出比您描述的更好的方法。内置函数可以节省一行,但我找不到。这是我要使用的代码:

[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));
收藏
评论

我不知道我的意思是否正确,但是如果您想知道您的观点属于哪个集群,则可以轻松使用KnnSearch函数。它有两个参数,并将在第一个参数中搜索最接近参数二的第一个参数。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号