Matlab：K-means聚类

Question

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。

- tguclu

---

假设我的聚类是p1..p19。 我有一个测试数据点，我从用于聚类的测试数据中随机选择。 我想看到类似这样的东西; “我的测试数据属于p5” - tguclu

我找到了一种方法，但不确定是否正确。 ctrs保存每个聚类的中心。 如果我计算ctrs元素与我的测试数据之间的欧几里得距离，并获取最小值的索引，那么它将给出我的测试数据属于的聚类索引。 有什么想法吗？ - tguclu

Answer 1

以下是一个完整的聚类示例：

%% 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)

- Amro

Answer 2

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));

- PlexLuthor

Answer 3

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。

- Amin.A

Answer 4

假设您使用的是平方欧几里得距离度量，请尝试以下操作：

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。

- Sam Roberts

Answer 5

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。

- shabbychef