Matlab:K-均值聚类

Question

我有一个矩阵A(369x10)，我想把它分成19个集群。我使用这个方法

[idx ctrs]=kmeans(A,19)

产生idx(369x1)和ctrs(19x10)

我将重点放在了here.All上，A中的行聚类在19个集群中。

现在我有了一个数组B(49x10).I，它想知道这个B的行在给定的19个集群中对应的位置。

在MATLAB中这是怎么可能的？

提前谢谢你

Answer 1

我想不出比你所描述的更好的方法了。一个内置的函数可以保存一行，但是我找不到。下面是我要用到的代码：

[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));

Answer 2

下面是一个完整的集群示例：

%% 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)

Answer 3

我不知道我是否正确理解了你的意思，但是如果你想知道你的点属于哪个集群，你可以很容易地使用KnnSearch函数。它有两个参数，并在第一个参数中搜索与第二个参数最接近的第一个参数。