Matlab: K-means
-
21-09-2019 - |
Domanda
ho una matrice di A (369x10), che voglio a raggrupparsi in 19 cluster. Io uso questo metodo
[idx ctrs]=kmeans(A,19)
che i rendimenti IDX (369x1) e CTR (19x10)
Ho capito fino a here.All mie righe in A è raggruppati in 19 cluster.
Ora ho una matrice B (49x10) .I vogliono sapere dove le file di questo B corrisponde al dato tra 19 cluster.
Come è possibile in MATLAB?
Grazie in anticipo
Soluzione
Non riesco a pensare ad un modo migliore per farlo che quello che hai descritto. Una funzione built-in avrebbe salvato una sola riga, ma non riuscivo a trovarne uno. Ecco il codice userei:
[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));
Altri suggerimenti
Il seguente è un esempio completo di cluster:
%% 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)
Non so se ho destra significato, ma se volete sapere che i tuoi punti a grappolo appartengo è possibile utilizzare la funzione KnnSearch facilmente. Ha due argomenti e cercherà in primo argomento per la prima uno di loro che è più vicino all'argomento due.
Supponendo che si sta utilizzando distanza euclidea quadratica metrica, provate questo:
for i = 1:size(ctrs,2)
d(:,i) = sum((B-ctrs(repmat(i,size(B,1),1),:)).^2,2);
end
[distances,predicted] = min(d,[],2)
predetto dovrebbe quindi contenere l'indice del baricentro più vicino, e le distanze dovrebbero contenere le distanze il baricentro più vicino.
Date un'occhiata all'interno della funzione Kmeans, al subfunction 'distfun'. Questo vi mostra come fare quanto sopra, e contiene anche gli equivalenti per altre metriche a distanza.
per piccole quantità di dati, si potrebbe fare
[testpointID,dum] = find(permute(all(bsxfun(@eq,B,permute(ctrs,[3,2,1])),2),[3,1,2]))
, ma questo è un po 'oscuro; la bsxfun con CTR permutato crea una matrice 49 x 10 x 19 di booleani, che è poi 'tutto-ed' attraverso la seconda dimensione, permutati indietro e poi si trovano gli ID di riga. ancora una volta, probabilmente non pratico per grandi quantità di dati.