1
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:
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:
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)
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