我有一个A矩阵(369x10),我想将其分成19个聚类。 我使用以下方法:
[idx ctrs]=kmeans(A,19)
这将产生idx(369x1)和ctrs(19x10)。
到此为止,我明白了。我的A中的所有行都聚集在19个簇中。
现在我有一个数组B(49x10)。我想知道这个B的行对应于给定的19个簇中的哪些位置。
这在MATLAB中如何实现?
提前感谢您。
我有一个A矩阵(369x10),我想将其分成19个聚类。 我使用以下方法:
[idx ctrs]=kmeans(A,19)
这将产生idx(369x1)和ctrs(19x10)。
到此为止,我明白了。我的A中的所有行都聚集在19个簇中。
现在我有一个数组B(49x10)。我想知道这个B的行对应于给定的19个簇中的哪些位置。
这在MATLAB中如何实现?
提前感谢您。
%% 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)
我认为你所描述的方法是最好的。虽然内置函数可以省去一行代码,但我没有找到相应的函数。下面是我会使用的代码:
[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));
我不确定我是否正确理解了你的意思,但如果你想知道你的点属于哪个聚类,你可以轻松地使用KnnSearch函数。它有两个参数,并且会在第一个参数中搜索最接近第二个参数的第一个参数。
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)
predicted应该包含最接近质心的索引,而distances应该包含到最接近质心的距离。
查看kmeans函数内部的子函数“distfun”。这将向您展示如何执行上述操作,并且还包含其他距离度量的等效项。
对于少量数据,你可以这样做
[testpointID,dum] = find(permute(all(bsxfun(@eq,B,permute(ctrs,[3,2,1])),2),[3,1,2]))
但是这有些不太明显;bsxfun与排列的计数器一起创建了一个49 x 10 x 19的布尔数组,然后在第二个维度上进行了“全部”,重新排列,然后找到了行ID。再次强调,对于大量数据来说可能并不实用。