K-Means的内部操作

使用Matlabs K-means我不确定聚类的具体细节。为了解释这一点，我会用一个例子：K-Means的内部操作

我的数据已经常态化和输出是这样的：

enter image description here

每一行代表归一化后的网络数据包。因此，第1行将代表来自计算机A的数据包。

现在我想知道当我在Matlab中运行我的K均值时，它是否将每列进行聚类还是通过行进行聚类？

即威尔柱A属于第1分B列簇2等

后面要求的原因是我需要的每个分组（行），以保持结合，并根据其内在气质群集每个分组。然而我的恐惧是这可能会严重削弱它的能力。但我希望有一个可以解决这个谜题的聚合方法。

代码：

 %% generate sample data 
K = 4; 
numObservarations = 5000; 
dimensions = 42; 
%% 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), 5, clustIDX, 'filled') 
scatter3(clusters(:,1),clusters(:,2),clusters(:,3), 100, (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)

结果：

enter image description here

这是基于5000行。遗憾的是，集群后无法重建数据，限制了我对发生的事情的了解。（参见相关的问题：MATLAB - Classification output）

来源

2012-02-18 Garrith Graham

用于在Matlab聚类和分类数据输入的标准格式是：

每个样品一排
在每个列中的某些样品（行）不同的特征。

来源

2012-02-18 15:20:53 jpjacobs

有没有其他方法绘制数据来验证这一点？ – 2012-02-18 17:36:54

是的，通过阅读文档。 – 2012-02-18 18:53:46

K-Means的内部操作

回答

相关问题