Matlab: кластеризация K-средних

У меня есть матрица (369x10), которую я хочу сгруппировать в 19 кластеров. Я использую этот метод

[idx ctrs]=kmeans(A,19)

, который дает idx (369x1) и ctrs(19x10)

Я получил точку здесь.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?

спасибо заранее

7
cluster-analysis k-means machine-learning matlab

5 ответов

Я не могу придумать лучшего способа сделать это, чем то, что вы описали. Встроенная функция сохранит одну строку, но я не смог ее найти. Вот код, который я использую:

[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));
4

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)
11

Я не знаю, правильно ли я понимаю ваше значение, но если вы хотите знать, какой кластер принадлежит вашим точкам, вы можете легко использовать функцию KnnSearch. Он имеет два аргумента и будет искать в первом аргументе первый из них, который ближе всего к аргументу два.

2

предполагая, что вы используете квадратную евклидову метрику расстояния, 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)

прогнозируемый должен содержать индекс ближайшего центроида, а расстояния должны содержать расстояния до ближайшего центроида.

загляните внутрь функции kmeans, в подфункцию "distfun". Это показывает, как сделать выше, а также содержит эквиваленты других метрик расстояния.

1

для небольшого количества 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 ctrs создает массив 49 x 10 x 19 булевых значений, который затем "все-ed" во втором измерении, перестановка назад, а затем найдены идентификаторы строк. опять же, вероятно, не практично для больших объемов данных.

0