OpenCV KMeans（K-Means）Python 输出聚类数问题

Question

我正在使用OpenCV的Python接口对多维数据（通常是7维）进行K-Means聚类。我发现聚类结果有些奇怪。当请求n个聚类（索引从0到n）时，有些聚类没有分配到点，这导致聚类数少于预期。是否有人成功地使用过OpenCV的Python K-Means实现？一些用户经验或建议将非常有帮助。

下面是我的Python代码片段：

points = cv.CreateMat(dim1, dim2, cv.CV_32FC2)
clusters = cv.CreateMat(dim1, 1, cv.CV_32SC1)
for a in range(0,dim0):
   for b in range(0,dim1):
       for c in range(0,dim2):
           #print float(list[a*dim1*dim2 + b*dim2 + c])
           cv.Set2D( points, b, c, float(list[a*dim1*dim2 + b*dim2 + c]) )
cv.KMeans2(points, numClusters, clusters, (cv.CV_TERMCRIT_EPS + cv.CV_TERMCRIT_ITER, 100000, 0.00000001), 50)

for d in range(0,dim1):
    f.write(str(int(clusters[d,0])))
    f.write(' ')
    f.write('\n')

问候，

斯特凡

- tisch

---

我不知道cv，但是：numClusters是什么？每个点都在某个簇中吗？你能检查一些点，距离最近的<距离到其他簇的距离吗？ - denis

NumClusters是要生成的簇数。每个点最终都会被分配到某个簇中。问题在于有些簇是空的。这实际上意味着生成的簇数少于NumClusters。 - tisch

你的numClusters的值是多少 -- 10，100 -- Npoints和Ndim又是什么？你能检查几个点吗？可以尝试不同的numClusters/其他参数/初始中心吗？ - denis

@Denis，目前我有180个聚类。我的点的维度是7。输入了642个点。到目前为止还没有尝试过其他聚类数量。没有定义初始中心的方法。 - tisch

以每个簇仅有3-4个点来计算，其中一些必定为空（如果是Poisson分布，则大约3％为空 + 10％单元素）。你只能尝试Ncluster 190、200……一直到出现180为止 :( - denis

Answer 1

这可能是一个理想的属性，它因实现而异。

如何发生：当随机初始化或使用Lloyd迭代时，可能会发生一个簇失去所有对象的情况。在MacQueen k-means中，它应该始终保留至少一个对象。假设在1d中，有（除其他外）分配给簇c1的对象为1和2。簇c1的平均值为1.5。现在，如果有另外两个簇的平均值移动到0.6和2.4，则这两个对象将被重新分配，簇c1将突然变为空。

为什么这可能是可取的：假设您事先不知道最佳的k值，您可能只是决定选择一个过大的k并查看一些簇是否退化。

很可能这表明您的数据集与k-means不兼容。K-means非常挑剔，令人惊讶的是它仍然可以满足大多数情况。一般来说，k-means不喜欢大小相差但彼此接近的聚类。因为k-means总是在中间分裂！此外，在您的特定情况下，k可能太高了。

以下是一个一维示例，说明k-means不喜欢的情况：（A和B是它们各自聚类的对象；第二行表示真实均值和两个均值之间的中间分割线。k-means将重新分配并进一步向左分裂。

AAAAAAAAAAAAA BBBBB
      A    |    B

- Has QUIT--Anony-Mousse