Matlab: кластеризация K-средств
-
21-09-2019 - |
Вопрос
У меня есть матрица A (369x10), которую я хочу сгруппировать в 19 кластеров.Я использую этот метод
[idx ctrs]=kmeans(A,19)
что дает idx (369x1) и ctrs (19x10)
Я понял, в чем дело.Все мои строки в A сгруппированы в 19 кластеров.
Теперь у меня есть массив B (49x10).Я хочу знать, где строки этого B соответствуют среди заданных 19 кластеров.
Как это возможно в MATLAB?
Заранее благодарю вас
Решение
Я не могу придумать лучшего способа сделать это, чем то, что вы описали.Встроенная функция сохранила бы одну строку, но я не смог ее найти.Вот код, который я бы использовал:
[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));
Другие советы
Ниже приведен полный пример кластеризации:
%% 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)
Я не знаю, правильно ли я понимаю ваш смысл, но если вы хотите знать, к какому кластеру принадлежат ваши точки, вы можете легко использовать функцию KnnSearch.Он имеет два аргумента и будет искать в первом аргументе первый из них, который ближе всего ко второму аргументу.
Предполагая, что вы используете метрику евклидова расстояния в квадрате, попробуйте следующее:
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)
затем предсказанное должно содержать индекс ближайшего центроида, а расстояния должны содержать расстояния до ближайшего центроида.
Взгляните внутрь функции kmeans, на подфункцию 'distfun'.Это показывает вам, как сделать вышеописанное, а также содержит эквиваленты для других показателей расстояния.
для небольшого объема данных вы могли бы сделать
[testpointID,dum] = find(permute(all(bsxfun(@eq,B,permute(ctrs,[3,2,1])),2),[3,1,2]))
но это несколько неясно;bsxfun с перестановкой ctr создает массив логических значений размером 49 x 10 x 19, который затем "полностью редактируется" во втором измерении, переставляется обратно, а затем находятся идентификаторы строк.опять же, вероятно, это непрактично для больших объемов данных.