MATLAB: agrupamento K-Means
-
21-09-2019 - |
Pergunta
Eu tenho uma matrice de um (369x10) que quero agrupar em 19 aglomerados. Eu uso este método
[idx ctrs]=kmeans(A,19)
que produz IDX (369x1) e CTRS (19x10)
Eu entendi aqui. Todas minhas linhas em A estão agrupadas em 19 aglomerados.
Agora eu tenho uma matriz B (49x10). Eu quero saber onde as linhas deste B correspondem entre os 19 agrupamentos.
Como é possível no Matlab?
Agradeço antecipadamente
Solução
Não consigo pensar em uma maneira melhor de fazê -lo do que o que você descreveu. Uma função interna salvaria uma linha, mas não consegui encontrar uma. Aqui está o código que eu usaria:
[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));
Outras dicas
A seguir, é um exemplo completo de AA sobre 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)
Não sei se acertar o seu significado, mas se você quiser saber qual cluster seus pontos pertencem, pode usar a função KNNSearch facilmente. Ele tem dois argumentos e procurará no primeiro argumento para o primeiro deles mais próximo do argumento dois.
Supondo que você esteja usando a métrica de distância euclidiana quadrada, tente o seguinte:
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)
O previsto deve então conter o índice do centróide mais próximo e as distâncias devem conter as distâncias ao centróide mais próximo.
Dê uma olhada dentro da função Kmeans, na subcunção 'distfun'. Isso mostra como fazer o exposto e também contém os equivalentes para outras métricas de distância.
Para uma pequena quantidade de dados, você pode fazer
[testpointID,dum] = find(permute(all(bsxfun(@eq,B,permute(ctrs,[3,2,1])),2),[3,1,2]))
Mas isso é um pouco obscuro; O BSXFUN com os CTRs permutados cria uma matriz de booleanos de 49 x 10 x 19, que é então 'all-ed' na segunda dimensão, permutada traseira e, em seguida, os IDs da linha são encontrados. Novamente, provavelmente não é prático para grandes quantidades de dados.