如何在具有569行(样本)和30列(特征)的数据矩阵上初始化K均值聚类？
在具有569行和30列的数据矩阵上初始化K均值聚类，可以按照以下步骤进行：
- 导入所需的库和模块，如numpy、pandas和sklearn.cluster中的KMeans。
- 读取数据矩阵，可以使用pandas的read_csv()函数或其他适用的函数。
- 对数据进行预处理，包括数据清洗、缺失值处理、特征选择等。这些步骤可以根据具体情况进行。
- 对数据进行归一化或标准化处理，以确保各个特征具有相同的重要性。
- 初始化K均值聚类模型，可以使用sklearn.cluster中的KMeans类。在初始化时，需要指定聚类的数量K。
- 将数据矩阵输入到K均值聚类模型中，使用fit()方法进行训练。
- 获取聚类结果，可以使用模型的labels_属性获取每个样本所属的聚类类别。
- 进行聚类结果的分析和可视化，可以使用各种统计方法和图表工具，如聚类中心、聚类间的距离等。
- 根据具体需求，可以对聚类结果进行进一步的处理和优化，如调整聚类数量K、尝试不同的初始化方法等。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/tcaplusdb）
- 腾讯云大数据分析平台（https://cloud.tencent.com/product/emr）
请注意，以上答案仅供参考，具体的实现方法和腾讯云产品选择应根据实际需求和情况进行。
相关·内容
1回答
最近我一直在想核k均值和谱聚类算法及其区别。
我知道光谱聚类是一个更广泛的术语，不同的设置可能会影响它的工作方式，但一个流行的变体是使用K-均值聚类对亲和矩阵的谱嵌入。
另一方面，核K-均值直接将K-均值聚类应用于亲和矩阵.因此，一个直接的、理论上的不同之处在于它忽略了谱嵌入步骤，即它不寻找具有特征向量的数据的低维表示。
我认为在高维环境下它可能是有益的(有很多观测要聚在一起)，但是它能为小样本提供任何提升吗，例如从10到20个观测？
使用这两种算法对另一种算法的其他实际意义是什么(例如，哪种算法对亲和力的变化更敏感，等等)？
浏览 0提问于2020-01-09得票数 12
1回答
我想对一个大样本数据进行聚类，为此我使用了MATLAB中的k均值函数。问题是它返回一个矩阵，其中所有数据都按照我指定的聚类数进行了排序。
我如何知道哪个簇的数量是最优的。
我认为，如果我在每个集群中获得相同数量的元素，这将是最优的，但这种情况从未发生过。相反，它可以继续对我输入的任何数字的数据进行聚类。
请帮帮我。
浏览 1提问于2010-11-20得票数 2
回答已采纳
K-均值聚类在学习中，簇数是预先已知的(它是2).有多种特征。特征值最初是不分配任何权重的，即它们被同等对待。然而，任务是为每个特性分配自定义权重，以获得最佳的聚类分离。如何确定每个特征的最优样本权重(sample_weight)，从而得到两个聚类之间的最佳分离？如果对于k均值或sklearn来说，这是不可能的，那么我对任何可选的聚类解决方案都感兴趣，重点是我需要自动确定多元特征的适当权重的方法，以便最大限度地实现聚类分离。
浏览 6提问于2021-01-05得票数 0
2回答
原始数据是Y，Y的大小是L*n ( n是特征的数量；L是观察的数量。B是原始数据Y的协方差矩阵。假设A是协方差矩阵B的特征向量。我将A表示为A = (e1, e2,...,en)，其中ei是特征向量。矩阵Aq是第一个q特征向量，ai是Aq：Aq = (e1,e2,...,eq) = (a1,a2,...,an)'的行向量。我想将k均值算法应用于Aq，将行向量ai聚类到k集群或更多(注意:我不想将k均值算法应用于特征向量ei到k集群)。对于每个聚类，只保留离聚类中心最近的向量，最后选择与该向量对应的特征作为信息特征。
我的问题是：
1)将k-均值算法应用于Aq，将行向量ai聚类到k聚类，
浏览 4提问于2015-08-08得票数 0
回答已采纳
我无法理解如何开始我的解决方案。我有一个569行的矩阵，每个行代表我的数据的一个样本，30列代表每个样本的特征。我的直觉是绘制每一行，并查看集群(如果有)是什么样子，但我不知道如何在单个散点图上做超过2行。 我花了几个小时浏览教程，但还不能理解如何将其应用于我的数据。我知道散点图以2个向量作为参数，那么我怎么可能绘制所有569个样本来对它们进行聚类呢？我是不是遗漏了什么基本的东西？ #our_data is a 2-dimensional matrix of size 569 x 30
plt.scatter(our_data[0,:], our_data[1,:], s = 40)
浏览 49提问于2019-04-09得票数 1
回答已采纳
1回答
我正在对200000个样本进行k均值聚类.该数据集共有14个特征。其中一个特性是id，其余的都是绝对的。
我一直在玩哪些特性要包含在集群中，我使用的度量是剪影。
我想就如何决定哪种分析更好的问题提出建议。特征较少且得分较高的集群(即.8)或特征较多且得分较低的集群(即30)
我的假设是，更多的特征和较低的分数是更好的，因为算法有更多的信息，以描述样本。然而，这些额外的特征可能会使算法更难将样本分组。
有什么建议吗？
浏览 0提问于2019-08-26得票数 1
1回答
我正在使用k-均值对文章进行聚类，而且它运行得很好。现在，我想定义初始中心，以得到更合理的结果。
我的Python代码：
tfidf_matrix = tfidf_vectorizer.fit_transform(articles)
X = np.array([[-19.67480000, -8.546],
[22.010807000,-10.9737],
[11.959700000,19.2701],
[12.254700000, 11.2381],
[16.649700000,-15.2251
浏览 3提问于2017-01-05得票数 0
2回答
我用k均值为我的数据集(150万个样本和800个特性)制作了集群。我知道评估集群的内部指数。然而，我正在考虑训练一个监督分类模型(例如随机森林分类器)，其中聚类数是因变量，所有其他特征都是自变量。使用这个模型的准确性是对k均值聚类的一个很好的评价吗?为什么？
浏览 0提问于2018-08-13得票数 1
1回答
我试图在m*n数组上进行分层聚类。
输入数组: 500 * 1000 (1000个特性，500个观测)
使用自定义pdist函数计算距离矩阵
将此距离矩阵提供给链接函数:群集= sch.linkage(distanceMatrix，'single')
形成扁平簇: fc =sch.fcluster(簇，截止，‘距离’)
这给了我一些集群(大约80，使用的截止值为6.0)。现在，我也可以得到每个集群对应的1000个特征吗？(就像我们使用K均值聚类得到质心的特征一样)。
浏览 1提问于2013-02-14得票数 0
2回答
利用MFCC算法得到了一些声音变量的特征。我想用K-Means对它们进行聚类。我有70帧，每帧都有9个倒谱系数用于一个语音样本。这意味着我有一个类似于70*9大小的矩阵。
让我们假设A，B和C是语音记录
一个是：
List<List<Double>> -> 70*9 array (I can use Vector instead of List)
B和C的长度也是一样的。
我不想聚类每一帧，我想聚类每一帧块(在我的例子中，一组有70帧)。
我如何在Java中用K-Means实现它？
浏览 1提问于2011-05-29得票数 3
3回答
用Kmeans聚类词
、、、
如何使用Kmeans来聚类术语(1-2个单词)。我读了一篇研究论文，他们用K方法用Levenshtein距离来聚类相似的术语。请给我看一个示例代码。
谢谢
注:在研究论文中，他们使用Levenshtein距离计算了相似度矩阵，并将其用于聚类。
浏览 1提问于2019-06-15得票数 0
回答已采纳
2回答
我想将二进制向量(数百万个)聚类到k个聚类中，我使用hamming距离来寻找与初始聚类最近的邻居(这也非常慢)。我认为K-means聚类并不真正适合这里。问题在于计算到某个初始聚类中心的最近邻居(二进制向量)的平均值，以更新质心。
第二种选择是使用K-medoid，其中新的集群中心是从最近的邻居之一(对于特定集群中心的所有邻居最近的一个)中选择的。但是发现这是另一个问题，因为最近的邻居的数量也相当大。
有没有人能给我带路？
浏览 2提问于2013-06-11得票数 4
回答已采纳
1回答
我正在研究一个市场细分问题。通过主成分分析，我可以将100+变量减少到31个因子。当我将其放入k-means模型中时，我获得了具有两个簇的解决方案，每个簇的样本略低于一半，然后两个或三个其他簇具有一个或两个样本。
通常，这些一次性聚类是异常值的结果，但除了PCA之外，是否还有其他预处理方法可以避免具有一到两个观察值的聚类？
浏览 0提问于2018-04-24得票数 0
2回答
如何决定使用哪些特性进行集群？
、、、、
我在dataset上进行聚类，其中每一行都是客户，每一列都是特性。我有200个特性，这似乎很适合集群。我计划尝试各种聚类模型，例如k-均值，因为我所有的数据都是数值的。H
如何减少/选择这些特性?
我只熟悉SelectKbest等，因为这些都是用于预测建模。但这里没有目标变量。注意，我计划使用python。
浏览 0提问于2021-04-16得票数 0
在谱聚类中，我们取对应于K个最小特征值的特征向量。然后在这些特征向量上进行K均值聚类，得到最终的聚类。如果我们取不同数量的特征向量，而不是我们想要的簇数，会发生什么？
浏览 0提问于2019-03-06得票数 0
假设我们根据谱聚类算法得到几个具有训练样本的中心{C1(d1，d2...dn)，C2...}。如果一个新的测试样本向量(x1，...xn)，我应该怎么做才能把它放到一个类中？
请注意，我们在谱聚类过程中使用的相似性矩阵不仅基于训练向量之间的欧几里德距离，还基于测地距离。因此，距离不能仅用两个向量来计算，并且类中心也不像我们在K-means中那样容易获得。
我得到的一个解决方案是k近邻算法。还有其他的解决方案吗？
浏览 3提问于2011-01-05得票数 2
我目前在语音识别的讨论阶段项目中，我使用MFCC特征提取，但从函数返回的MFCC特征是一个矩阵，例如，每个语音文件(Wav)的(20,38)特征矩阵。但是我如何将这个特征传递给SVM分类器呢？对于SVM (和其他分类器)，每个样本都由一个向量表示，对吗？但每个样本的MFCC特征是一个矩阵。假设Xi是样本i的MFCC特征，那么传递给SVM的样本i的特征是: 1) 20*38个向量，例如matlab形式的Xi(:)。2)均值(Xi)。3) Xi中的一列或一行。哪条路是对的？有什么有用的代码吗？
谢谢!闪耀
浏览 1提问于2013-03-01得票数 4
回答已采纳
2回答
我有一个包含29个变量的数据集。从这个数据集中，我想使用特定的9个变量来创建6个不同的K均值聚类。如何在R中进行聚类时指定相关变量。我是不是应该先过滤掉数据，然后再用这些数据组成集群呢？
提前感谢！
浏览 1提问于2016-07-06得票数 0
2回答
我的数据集是由105个国家(行)的14年(列)相同指数的测量结果组成的。我想根据这些国家随时间变化的指数趋势对其进行聚类。
我正在尝试使用DTW距离矩阵(dtw包)的层次聚类(hclust)和K Medoids (pam)。
我还尝试了K均值，使用DTW距离矩阵作为函数kmeans的第一个参数。该算法有效，但我不确定其准确性，因为K均值利用Eucledian距离并计算质心作为均值。
我也在考虑直接使用数据，但我不能理解结果如何准确，因为算法会将同一变量随时间的不同测量视为不同的变量，以便计算每次迭代和Eucledian距离的质心，以将观测值分配给集群。在我看来，这个过程似乎不能像分层和K Me
浏览 7提问于2020-03-03得票数 0
1回答
K-均值聚类算法的实现
、、、
我学习机器学习，并希望实现K均值聚类，以更好地理解它。我有一个猫的数据集，每个数据集有4个测量值。我想根据这些特性将它们聚成2和3个不同的硬簇，看看它们的品种是否可以根据这些测量来确定。
我对一般的算法很熟悉，但我很难使自己的头脑清醒过来。
，我应该在中间随机选择哪些数字来初始化我的质心?1到10？这真的很重要吗？，我如何找到(x,y)元组和猫(它有4个属性)之间的欧几里德距离？
通常，在欧氏距离中，您比较x、y等值，但是如果我有4个属性，如何度量它离2d平面上的(x,y)对有多远？即使在阅读了这个概念之后，这对我也没有多大意义。
我相信在2d平面上，我确实只能看到4中的两个属性--或者这不是
浏览 2提问于2019-11-14得票数 3
3回答
如何对时间序列数据进行K-means聚类？当输入数据是一组点时，我知道这是如何工作的，但我不知道如何对具有1XM的时间序列进行聚类，其中M是数据长度。特别是，我不确定如何更新时间序列数据的聚类均值。
我有一组标记的时间序列，我想使用K-means算法来检查我是否会得到类似的标签。我的X矩阵将是N×M，其中N是时间序列的数量，M是上面提到的数据长度。
有人知道怎么做吗？例如，如何修改以使其适用于时间序列数据？此外，除了欧几里德距离之外，我还希望能够使用不同的距离度量。
为了更好地说明我的疑问，下面是我为时间序列数据修改的代码：
% Check if second input is centro
浏览 339提问于2010-08-17得票数 20
2回答
我在matlab中实现了图像分类的词袋算法。我对特征进行了k均值聚类，并将其划分为250个聚类。我无法理解如何绘制直方图。
浏览 2提问于2015-05-23得票数 0
1回答
按照的说法，k-指的是shape=的矩阵(n_samples，n_features)。但我提供了shape=(n_samples，n_samples)的距离矩阵，其中每个索引保存两个字符串之间的距离。时间序列已使用表示转换为字符串。
当我用距离矩阵进行聚类时，它得到了很好的结果。可能的原因是什么？据我所知，K-medoid是一个与距离矩阵工作的。
浏览 2提问于2017-04-20得票数 5
我想在sift特性上执行k均值聚类，它是以509X508矩阵的形式出现的，我从mathworks获得了k均值集群的代码。但我不知道如何为算法提供输入。请帮忙..。
浏览 3提问于2014-06-03得票数 0
回答已采纳
我正在学习机器学习，从科学工具包-学习和阅读它的文档。
基于欧氏距离的聚类聚类，并以不同的方法(如高斯分布、均值偏移等)对它们进行滤波。
但是，没有一种基于变异率的聚类算法对样本进行聚类。
EX: below every items has there sold numbers of everyday.
Item,D1,D2
A,1,5
B,10,50
C,4,70
The variation ratio below:
A:500%
B:500%
C:1750%
所以A和B是同一个群，C不是。
是否有任何聚类算法可以根据变化率(或数量)对时间序列数据集进行聚类？
浏览 0提问于2019-01-22得票数 1
1回答
我正在试验聚类算法，比如K-均值。现在，我使用所有变量作为聚类算法的输入。我想知道是否适合对聚类算法进行特征选择。也就是说，如何找到那些对集群最重要或最不重要的变量。
对于我知道真正的聚类是什么的情况，我的想法是使用不断增加的变量组合子集作为聚类算法的输入，计算预测组和真实组之间的关联表，应用一些度量(比如准确性)来找到得分最差或最好的特征组合。
您知道在应用聚类算法(如k-均值)之后，获得最小和最重要特征的方法吗？
我是这个话题的新手，所以请友好一点。:-)
浏览 0提问于2021-10-16得票数 0
2回答
我正在测试图像检索中的一些东西，我在考虑如何整理数据集的坏图片。例如，这里只有房子的照片，中间有一张人和一些汽车的照片。所以最后我只想买房子。目前，我的方法看起来是：
所有图片的计算描述符(Sift)
用k-均值聚类所有描述符
通过计算聚类中心与图像描述符之间的欧氏距离来创建图片的直方图。
再次对直方图进行聚类。
此刻，我有了第一类(这不是很好)。现在我的想法是用len(center) > 1把所有的图片聚集到一个中心，然后一次又一次地对它们进行聚类。因此，结果是，在一个中心的特定图片将被整理出来。也许这足以使结果再次符合相同的k-均值，而无需再次聚类？！
结果并
浏览 0提问于2013-09-10得票数 0
1回答
我正在使用mxnet ()中的DEC。
虽然它默认在MNIST上运行，但我已经将数据源更改为数百个文档(考虑到mxnet可以处理路透社的数据集，这应该是非常好的)
问题是:在训练MXNET之后，我如何在新的、看不见的数据上使用它？它每次都会向我显示一个新的预测！
以下是用于收集数据集的代码：
vectorizer = TfidfVectorizer(dtype=np.float64, stop_words='english', max_features=2000, norm='l2', sublinear_tf=True).fit(training)
X =
浏览 0提问于2018-07-03得票数 0
我一直在探索多维数据的聚类算法(K-均值、K-Medoid、Ward聚集、高斯混合建模、BIRCH、DBSCAN、光学、公共最近邻聚类)。我相信，我的数据中的集群发生在特性的不同子集中，而不是发生在所有特性之间，而且我相信这会影响聚类算法的性能。
为了说明，下面是模拟数据集的Python代码：
## Simulate a dataset.
import numpy as np, matplotlib.pyplot as plt
from sklearn.cluster import KMeans
np.random.seed(20220509)
# Simulate three clus
浏览 0提问于2022-05-09得票数 1
回答已采纳
2回答
我试图实现文本聚类的k-均值，特别是英语句子。到目前为止，对于每个文档(句子)，我都有一个术语频率矩阵。我对文本数据上k均值的实际实现有点困惑。这是我对它应该如何工作的猜测。
计算出所有句子中唯一的单词数(一个大的数字，叫它n)。
创建k n维向量(集群)并使用一些随机数填充k向量的值(如何确定这些数字的界限？)
确定从每个q语句到随机k簇、重新定位簇等之间的欧几里德距离(如果n非常大，就像英语一样，那么计算这些向量的欧几里德距离会不会非常昂贵？)
谢谢你的洞察力！
浏览 1提问于2016-11-03得票数 0
回答已采纳
2回答
我正在研究一个基于聚类的模型，我读过关于分层聚类和K-均值聚类的文章。
在什么条件下我应该选择聚类而不是K-均值聚类？
浏览 0提问于2021-03-26得票数 2
回答已采纳
1回答
我已经为一个巨大的语料库生成了一个使用gensim的word2vec模型，并且我需要使用k均值聚类来对词汇表进行聚类，我需要：
余弦距离矩阵(字对字，所以矩阵的大小为number_of_words x number_of_words )
特征矩阵(word表示特征，因此矩阵的大小是number_of_words x number_of_features(200) )
对于特征矩阵，我尝试使用x=model.wv，得到对象类型为gensim.models.keyedvectors.KeyedVectors，它比我预期的要小得多。
有没有一种直接使用这个对象来生成k均值聚类的方法？
浏览 7提问于2017-07-24得票数 0
1回答
我试图找出最好的方法，根据以往的分类推荐图片，使用k均值聚类。我所做的是映射一组图像的RGB值，对这些RGB值执行k均值聚类分析，并在每个图像上附加一个“评级”。这就产生了Voronoi细胞类似于这个图。我已经将集群中心和评级存储在我的“培训集”中。
下一步是拍摄一个新的图像，并根据以前的图像集进行推荐。我不知道该怎么做。我想要实现协作过滤过程吗？还是需要对数据执行更多的处理？
不确定这是否重要，但我在项目中使用Apache。谢谢!
编辑:协同过滤可能不是最好的方式进行，因为正在比较的功能，为产品使用的不仅仅是评级。我需要比较一下相似之处。我猜这会牵涉到大规模的矩阵运算？
Edit2:这里的一
浏览 0提问于2015-01-05得票数 1
回答已采纳
1回答
对标记数据集进行聚类
、、、、
我有一个有29个类的大标记数据集。在这个数据集中是否可以使用聚类算法(如k均值)，或者因为聚类算法是无监督的，所以是不可能的？
浏览 0提问于2018-05-22得票数 3
回答已采纳
我正在对大约100万项进行k-均值聚类(每个项目表示为~100-特征向量)。我已经运行了各种k的聚类，现在希望用sklearn实现的剪影评分来评估不同的结果。试图在没有抽样的情况下运行它似乎是不可行的，而且耗时长得令人望而却步，所以我假设我需要使用抽样，即：
metrics.silhouette_score(feature_matrix, cluster_labels, metric='euclidean',sample_size=???)
然而，我不太清楚什么是适当的抽样方法。考虑到矩阵的大小，是否有经验法则可以使用什么大小的样本？取我的分析仪器能处理的最大样本，还是取更小样
浏览 0提问于2014-05-15得票数 14
2回答
我有两个矩阵，包含来自40个样本和50000个基因的信息。Matrix Expr包含每个基因和样本的基因表达；Matrix Methyl包含每个样本的这些基因的甲基化状态。是否有可能同时基于表达和甲基化信息对基因和/或样本进行聚类？我知道如何在R即hclust(dist(M))中执行基本的层次聚类，但它只在一个矩阵上。有什么想法/建议吗？
浏览 3提问于2016-05-27得票数 0
3回答
我正在研究聚类算法。我在处理泰坦尼克号数据集。它包含6个分类特征。我在这个数据集上使用了k均值算法。我对分类特征使用标签编码。但是我发现分类特征应该使用欧几里德距离。它应该使用Hamming距离。那么，如何使k-意味着精细地工作在混合特征上？我不需要其他算法。我只想在混合特征数据集上使用k--意思。
浏览 0提问于2020-06-23得票数 1
我们如何衡量K均值聚类算法(例如，生成混淆矩阵)的准确性，因为聚类的自动索引可能是原始标签的排列？
浏览 0提问于2020-10-15得票数 2
回答已采纳
我正在尝试实现k均值聚类。
我有一组坐标(x，y)的点，我用欧几里德距离来求距离。我计算了矩阵中所有点之间的距离
I点与j点之间的距离
当我选择从Pt1到3最远的a1时。
然后，当我搜索距离3最远的时候，我可能会得到a3，但a1可能是最小的。
pt3远离pt3，但接近1。
因此，如何使用距离矩阵选择k个最远的点，。
浏览 4提问于2013-09-03得票数 0
2回答
我想建议使用最好的集群化技术，使用python和scikits.learn。我们的数据来自，它测量细胞在不同底物上的代谢活性。输出是一系列乙状结肠曲线，我们通过对乙状结肠函数的拟合来提取一系列的曲线参数。
我们希望通过集群化来“排列”这个活动曲线，使用固定数量的集群。目前，我们使用的是包提供的k-均值算法，其中包含(init=‘随机’，k=10，n_init=100，max_iter=1000)。输入是一个矩阵，每个样本包含n_samples和5个参数。样本的数量可能各不相同，但通常在几千(即5'000)左右。集群似乎是高效和有效的，但我希望就不同的方法或对集群质量进行评估的最佳方法提
浏览 9提问于2013-06-11得票数 4
回答已采纳
1回答
K均值聚类前的主成分分析
、、、、
如果我将PCA应用于特征向量，然后进行聚类，如下所示：
reduced_data = PCA(n_components=2).fit_transform(data)
kmeans = KMeans(init='k-means++', n_clusters=n_digits, n_init=10)
kmeans.fit(reduced_data)
减少的数据将是PCA的组成部分，所以在用k均值聚类之后，您可以得到每个点(reduced_data)的标签，如何从原始数据中知道哪一个点呢？
关于集群的数量，如何处理多个PCA组件？谢谢。
浏览 3提问于2017-02-27得票数 0
我用2d数据进行k均值聚类。X轴表示深度(km)。结果是：
📷
但是当我把km转换成metr的时候，我得到了
📷
你能解释一下为什么会发生这种事吗？
浏览 0提问于2021-04-27得票数 0
我正在研究K-均值，K-均值的一个重要缺点是对异常值缺乏鲁棒性。我的问题是:在某些情况下，对异常值缺乏鲁棒性可能被认为不是K-手段的缺陷，而是一种美德？
浏览 0提问于2018-10-07得票数 0
我有来自不同物种的基因
Gene A , Gene B, Gene C, ... Gene Z
有些基因彼此相似。
A & G are 96% similar
C & H are 92% similar
G & B are 89% similar
G & T are 85% similar
.
.
.
K & F are 52% similar
我想把这些基因分成几类
物种A、B、T、G是同一种C、H、N、R、L、P。。。K似乎与任何物种不相似(它本身是未知的或物种本身)F似乎与任何物种(它本身是未知的或物种本身)不相似。
我知道我可以用K均值对这些基因
浏览 0提问于2021-12-02得票数 0
3回答
基于无监督机器学习的图像聚类
、、、、
我有一个图像数据库，里面有身份证，账单和护照。
我想把这些图像分成不同的类别(如身份证、账单和护照)。
正如我所读到的，完成这一任务的方法之一是集群(因为它将是不受监督的)。
我的想法是这样的:聚类将基于图像之间的相似性(即具有相似特性的图像将被分组)。
我也知道这个过程可以用k-方法来完成.
所以对我来说问题是关于特征和使用K-均值的图像。
如果有人曾经这样做过，或有线索，请您推荐一些链接开始或建议的任何功能，可能是有益的。
浏览 0提问于2018-10-09得票数 7
回答已采纳
3回答
是否有任何简单的算法来判断给定的图像是脸还是其他(没有希望的训练)？
我的思想是构造每幅图像的特征向量，然后应用一些聚类方法(例如k=2的k-均值)。但是，即使获得了良好的聚类结果，我也不确定什么是区分脸/非脸的最佳标准？
浏览 3提问于2014-03-18得票数 3
回答已采纳
我正在使用SAS proc distance创建距离矩阵。我想知道SAS EM集群节点是否可以使用这个矩阵来创建执行K均值聚类？
浏览 1提问于2012-12-10得票数 1
1回答
我在python 中找到了一个非常好的共识聚类实现。
然而，对于具有大样本大小的大数据集，该算法将不起作用，因为它使用维度样本、样本来构建矩阵。
对于大型数据集上的共识聚类，有没有高效的python实现？
浏览 12提问于2021-03-07得票数 0
1回答
K-均值聚类的局限性
、、、、
我正在查阅西密歇根大学的一份文件，以了解K均值聚类算法的局限性。以下是链接：
在33张幻灯片上，它提到当团簇是不同的时，K-均值有问题。
大小
密度
非球形形状
既然我们探索了我们的数据，并试图通过k均值聚类算法找出数据中存在的不同组，那么我们如何事先知道集群的大小是不同的呢？如果我们有二维数据，我们可以可视化它，但是如果数据是n维的话，它是如何实现的呢？在开始应用k-方法之前，是否有任何方法检查数据。
此外，对这种限制的解释是:如果我们有不同的集群大小，k-均值将不会给出所希望的集群，因为它试图对集群进行平等的划分。但我不认为情况总是如此。我在下面的数据集上应用了k-m
浏览 4提问于2020-07-08得票数 0
2回答
我从Scikit learn了解如何使用K-Means：学习文本聚类
在该示例中，可选地使用LSA (使用SVD)来执行降维。
为什么这是有用的？维度(特征)的数量已经可以使用"max_features“参数在TF-IDF向量化器中进行控制。
我知道LSA (和LDA)也是主题建模技术。聚类的不同之处在于，文档属于多个主题，但只属于一个聚类。我不明白为什么要在K-Means聚类的上下文中使用LSA。
示例代码：
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import
浏览 16提问于2017-02-22得票数 5
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
