K-均值聚类能进行分类吗？

Question

我想知道k均值聚类算法是否能做分类？

如果我做了一个简单的k-均值聚类。

假设我有很多数据，我使用k-均值聚类，然后得到2簇A，B，质心的计算方法是欧氏距离。

A组在左侧。

B组在右侧。

所以如果我有一个新的数据。我该怎么办？

1. 再次运行k-均值聚类算法，并能得到新的数据属于哪个聚类？
2. 记录最后一个质心，用欧氏距离来计算，确定新的数据是否属于？
3. 其他方法？

Answer 1

当然，最简单的方法是2。，将每个对象赋给最近的质心(从技术上讲，使用平方和，而不是欧几里得距离；对于k-均值来说，这更正确，并为您节省了一个平方计算)。

方法1是脆弱的，因为k-方法可能给您一个完全不同的解决方案；特别是如果它一开始不适合您的数据(例如，太高的维度，太大的集群，太多的集群，.)

然而，以下方法可能更为合理：

3.训练一个实际的分类器.

是的，您可以使用k-方法来生成初始分区，然后假设k-表示分区可能是合理的类(不过，您确实应该在某个时候验证这一点)，然后继续进行，如果数据是用户标记的话。

即运行k-均值，对生成的聚类进行支持向量机训练.然后使用支持向量机进行分类。

seen分类，甚至将每个对象分配到最近的聚类中心(选项1)，都可以看作是非常简单的分类器。后者是一个1NN分类器，仅对聚类质心进行“训练”。

Answer 2

是的，我们可以进行分类。

我不认为该算法本身(如#1)特别适合于对点进行分类，因为将要分类的数据合并到您的培训数据中往往会受到反对(除非您有一个实时系统，但我认为详细说明这一点可能会有点偏离要点)。

要对一个新点进行分类，只需计算到每个簇质心的欧氏距离来确定最接近的点，然后将其分类到该簇下。

有一些数据结构可以让您更有效地确定最近的质心(如kd树)，但以上是基本思想。

Answer 3

如果您已经对数据进行了k-意思集群以获得两个集群，那么您可以在新的数据点上使用K近邻来找出它属于哪个类。