Wie man K-Means-Algorithmus in MATLAB durchführt?

Question

Ich bin neu in Matlab und ich möchte wissen, wie ausführen k-Means-Algorithmus in MATLAB, und auch ich will wissen, wie Clusterzentren zu definieren, wenn k Mittel durchgeführt wird.

Zum Beispiel lassen Sie uns sagen, dass ich ein Array bin erstellen, wie unten angegeben.

m = [11.00; 10.60; 11.00; 12.00; 11.75; 11.55; 11.20; 12.10; 11.60; 11.40;... 
    11.10; 11.60; 11.00; 10.15; 9.55; 9.35; 8.55; 7.65; 7.80; 8.45; 8.05] 

Ich möchte die obigen Werte in 5 Gruppen clustern, wo k = 5.

Und ich möchte die Clusterzentren als 2 nehmen, 5, 10, 20, 40.

Also meine Frage ist, wie kann ich die Cluster-Zentren definieren und k-Means-Algorithmus in MATLAB durchführen? Gibt es einen bestimmten Parameter, um die Cluster-Zentren in MATLAB kmeans() Funktion zu setzen?

Bitte helfen Sie mir die oben genannten Probleme zu lösen.

Answer 1

Das Ziel von k-means Clustering ist die k Clusterzentren zu finden, die Gesamtdistanz aller Punkte von ihren jeweiligen Clusterzentren zu minimieren.

Mit diesem Ziel würden Sie

schreiben

[clusterIndex, clusterCenters] = kmeans(m,5,'start',[2;5;10;20;40]) 

Dies würde die Clusterzentren von ihrer Startposition, bis eine optimale Position und Zuordnung gefunden worden waren anzupassen.

Wenn Sie stattdessen Ihre Punkte in m zu festen Clusterzentren verknüpfen möchten, würden Sie nicht kmeans verwenden, aber die clusterIndex direkt min

distanceToCenter = bsxfun(@minus,m,[2 5 10 20 40]); 
[~, clusterIndex] = min(abs(distanceToCenter),[],2); 

dh mit berechnen. Sie berechnen die Differenz zwischen jedem Punkt und jedem Zentrum und finden für jeden Punkt das Zentrum mit dem minimalen (absoluten) Abstand.

---

Ergebnisse zeichnen, können Sie die Punkte auf einer Linie ausrichten und färben sie das Zentrum nach:

nCenters = length(clusterCenters); 
cmap = hsv(nCenters); 
figure 
hold on 
for iCenter = 1:nCenters 
    plot(m(iCenter==clusterIndex),1,'.','color',cmap(iCenter,:)); 
    plot(clusterCenters(iCenter),1,'*','color',cmap(iCenter,:)); 
end 

Answer 2

Sie eine klassische Implementierung in meinem Beitrag hier sehen - K-Means Algorithm with Arbitrary Distance Function Matlab (Chebyshev Distance).

Genießen ...