1回答
将数据点分组到集群中
、、、
我正在尝试跟踪一组数据点，并调查该群集随时间变化的均方根半径。然而，如果我只是尝试将我的一些数据分组到一个集群中，我不确定如何进行这项工作。我正在尝试在n体模拟中对粒子进行分组，如下图所示，忽略开始时丢失的粒子。我遇到过不同的集群算法，如Kmeans和DBSCAN，但如果我只希望为我的数据中的一个百分比获得一个集群，然后使用它们来找到集群的均方根半径，那么我不确定如何使用这些算法。 ?
浏览 29提问于2021-02-09得票数 1
我知道，在无监督的机器学习中，有很多方法可以找到聚类。然而，我想要一种简单易懂的方式，而不是不可预测的。而且，我的数据点很少。数据点的数=大约20个，只有，最大的cluster= 4，，，集群中数据点的数目可以改变。|Jane | 0.7 | |Dick | 1.5
浏览 0提问于2021-07-19得票数 0
1回答
大型混合类型数据的聚类
、、、、
我正在处理维数400万x 70的数据。除了偶尔丢失的值外，大多数列都是数字列，有些列是绝对列。在所有数据点上运行群集是非常重要的，我们希望生成大约40万个集群(因此，对数据集进行次采样不是一种选择)。我看过用Gower的距离度量混合类型数据，但是这产生了维数为400万×400万的不同矩阵，这是不可行的，因为它有10^13个元素。因此，该方法需要完全避免不同的矩阵。理想情况下，我们将使用聚集聚类方法，因为我们需要大量的集群。
解决这个问题的合适方法是什么？我正在努力寻找一种满足所有这些要求的方法，我意识<e
浏览 4提问于2020-07-15得票数 1
回答已采纳
1回答
我正在处理Python中的异常检测任务。
为了发现异常，我使用k均值聚类算法。我已经将数据集分成了训练和测试，测试部分在几天内就被分割了。
我要这样做，因为这将是在生产中的使用。由于我无法预先知道哪个是“正确的”阈值，我想问你是否有更好的方法来发现异常，在这个竞赛中，使用k均值聚类算法。
浏览 0提问于2019-07-29得票数 3
2回答
我想要做的事情的简单例子：
假设我有3个数据点A、B和C。我对这些数据运行KMeans集群，并得到2个集群[(A,B),(C)]。换句话说，我可以使用什么度量来确定从这两个算法中获得的两个集群组之间的百分比相似性/重叠？请记住，这是一个简化的示例，在实际应用程序中，您可以有许多数据点，而且每个集群组还有两个以上的集群。在尝试将集群分组与有标记的数据分组(
浏览 3提问于2017-07-13得票数 6
回答已采纳
6回答
一旦我完成了集群，如果我需要知道哪些值被分组在一起，我该如何做呢？
假设我有100个数据点，KMeans给了我5个集群。现在我想知道集群5中有哪些数据点。我如何做到这一点。是否有一个函数给集群id，它将列出集群中的所有数据点？
浏览 5提问于2016-03-24得票数 42
我想知道是否有命令在生成树状图时获取数据点所属的集群。[H,T,perm]=dendrogram(Z,0) (因为我有超过30个数据点)谢谢。
浏览 1提问于2013-09-01得票数 1
回答已采纳
1回答
在所有数据点的每次迭代之后，还是在为每个数据点分配一个集群之后，评估新的集群中心会更好吗？为了澄清，这两种方法中哪一种更可取：
将所有数据点分配给不同的集群，然后找到新的集群中心。或者，将下一个数据点分配到最近的集群并找到新的集群中心，然后以重复的形式继续到下一个点.
浏览 3提问于2015-05-18得票数 1
2回答
有界直径团簇
、、
在我的应用程序中，我希望有一个簇，它的直径是由某个固定数所限制的。此外，数据中的簇数是未知的，因此，必须在没有“k”参数的情况下发现簇。
我该用什么方法？
浏览 0提问于2016-09-01得票数 0
I有一个唯一I列表及其数据点.从这里开始，将每个数据点与“@”符号连接起来，我还有一个列，其中包含每个唯一ID (NData)的数据点计数。I使用该“nData”的最大值来确定拆分级联数据点所需的列数
浏览 3提问于2022-09-21得票数 0
回答已采纳
1回答
正确实现k均值算法
、、、
然而，我在虹膜数据集上尝试过，并且不时地(大约三分之一的时间)我的函数只返回两个集合，换句话说，它只返回两个集群。
我看了一下本地MATLAB函数的代码，但由于缺乏编码知识，我最终迷失了方向。
浏览 3提问于2017-01-13得票数 0
回答已采纳
5回答
所以我运行一个KNN来创建集群。从每个集群中，我想获得集群的medoid。我使用分数距离度量来计算距离：其中d是维数，第一个数据点的坐标是x^i，第二个数据点的坐标是y^i，f是0到1之间的任意数。然后，我将计算medoid为：其中S是数据点的集合，δ是上面使用的距离度量的绝对值。本质上，这归结为我无法将数学转化为有效的编程。任何帮助或指示在正确的方向将是非常感谢的！
浏览 5提问于2016-06-24得票数 3
回答已采纳
1回答
每个点都是一个具有x和y值的数据点。我想得到这样的东西。因此，我希望计算2d网格单元格中的所有数据点，并将其替换为一个点，该大小显示“集群网格点”中数据点的计数。我确信有一个熊猫/matplotlib函数可以帮助我--但是在集群或分组中，我发现没有任何帮助。
浏览 2提问于2022-03-19得票数 1
2回答
具有多属性的数据点的K-均值聚类
、、、、
我正在努力将不同成分组成的食谱分类。每个菜谱都是由一些成分组成的，我想把彼此相似的食谱组合在一起。每个菜谱平均有8种配料。
有什么方法可以用K-均值聚类将这些菜谱组合在一起吗？
浏览 0提问于2020-02-04得票数 0
回答已采纳
1回答
我了解到，与K-means相比，K-medoids对异常值的鲁棒性更强。然而，我很好奇，如果在分配数据点的过程中，两个或更多的集群代表在一个数据点上具有相同的距离，会发生什么。您将为数据点分配哪个集群？将数据点分配到集群是否会对集群结果产生很大影响？
浏览 0提问于2017-09-22得票数 1
1回答
为此，保留集在开始时显示错误，即在分配每个点之后，它不会重新计算每个集群的中心位置。它只是停止了，并计算了错误。当前的方法我正在考虑基于当前的信念:复制k-均值函数，并修改复制，以便它返回集群，maxDistance后，初始运行。将此函数用于持久化集。
浏览 2提问于2017-07-02得票数 1
回答已采纳
1回答
[cidx center] = kmeans(F, 3, 'distance','sqEuclidean','Replicates',5); 如何将普通灰度图像转换为此格式。
对于输出中心，是一个3*n矩阵(3是簇数，'n‘是变量数)。结果如何与变量相关，有哪些变量？我能够理解第一个输出的
浏览 3提问于2012-09-18得票数 0
4回答
5、7、7、8、8、8、7、20、23、23、24、24、24、25
在上面的集合中，有两个数字的“簇”，我想写一个程序来找出这些簇的中心。你能把它们叫做分形理论中的吸引子吗？我可能有1到5个“吸引子/簇”。
浏览 1提问于2010-01-08得票数 1
回答已采纳
1回答
我正在使用sklearn python中的kmeans对一个二维用户数据进行聚类。我用肘法(点在簇数增加的地方)。不会带来显著的平方误差之和)来识别正确的no。星团的数目是50。在应用kmeans之后，我希望了解每个集群中数据点的相似性。由于我有50个集群，是否有一种方法可以获得一个数字(例如每个集群中的方差)，它可以帮助我理解每个集群中的数据点有多近。0.8这样的数字将意味着记录
浏览 1提问于2018-03-17得票数 0
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
