K均值聚类在不同数据集上的结果
K均值聚类是一种常见的无监督机器学习算法，用于将数据集分为K个不重叠的簇。它的目标是最小化簇内的平方误差和，即将每个数据点与其所属簇的质心的距离之和最小化。
K均值聚类算法的步骤如下：
- 初始化K个质心，可以随机选择或使用其他启发式方法。
- 将每个数据点分配给距离最近的质心所属的簇。
- 更新每个簇的质心为该簇中所有数据点的平均值。
- 重复步骤2和步骤3，直到质心不再变化或达到预定义的停止条件。
K均值聚类适用于处理数值型数据，并且对数据集中簇的数量有先验的了解。它在以下场景中常被应用：
- 客户细分：根据用户的消费行为、兴趣等特征将用户分为不同的群体，以便进行个性化推荐或定向营销。
- 图像分割：将图像中的像素根据颜色、纹理等特征进行聚类，实现图像分割。
- 文本聚类：根据文本的内容、关键词等特征将文本进行聚类，方便进行文本分类或信息检索。
- 异常检测：通过将数据点分配到簇中，可以检测出与其他数据点差异较大的异常点。
在腾讯云上，可以使用云原生的容器服务腾讯云容器服务（Tencent Kubernetes Engine，TKE）来部署和管理K均值聚类算法的应用。TKE是基于Kubernetes的容器服务，提供弹性扩展、高可用性、易于管理的容器集群，适用于部署各类容器化应用。
参考链接： 腾讯云容器服务（TKE）产品介绍：https://cloud.tencent.com/product/tke
相关·内容
1回答
我有一个庞大的混合数据集，它由数值属性和分类属性组成，在OneHotEncoding上形成一个具有很高维数的数据集。
将机器学习算法(如K-均值聚类、降维和回归)应用于数据集子集是否明智？例如，首先将K-均值聚类应用于数值列，然后将结果与分类数据集连接起来。
浏览 0提问于2018-02-28得票数 1
回答已采纳
2回答
当应用具有多类数据集和类数的聚类算法时，不等于结果聚类数(例如，当我们使用K-均值算法时，通过设置K=3，应用于包含14个类的“酵母”数据集)。
在这种情况下，评估结果的正确方法是什么？
浏览 0提问于2015-11-26得票数 1
2回答
我有以下标记的集群，这是理想的聚类算法会产生的结果：
📷
现在，我已经将一个基本的K-均值聚类算法应用于数据，其结果如下：
📷
我认识到，这是一个很难正确集群的问题，因为其中一些类非常相似。
但我想知道是否有其他算法可以帮助我提高集群的可分性，并提高我的无监督聚类算法在新数据上的工作效果？
浏览 0提问于2017-03-10得票数 1
回答已采纳
我已经在数据集上实现了k-均值聚类。我尝试通过查看快速采煤机中的平行图和偏差图来分析聚类的k。
为了分析各种性能模型的clusters.Out的同质性，将算子“集群距离性能”算子用于k-均值聚类结果。
是否有其他经营者可以提供这方面的分析？
我所拥有的数据集有具有大值的数字向量(以数百和千为单位)，还有一个具有极小值的数据集(十进制的第5位至第8位)。
我不知道如何解释操作符“集群距离性能”的结果，如下所示
质心表结果
而性能向量算子的结果是
有人能帮我吗？虽然我读到越小，Davies的值越小，更好的是聚类。
浏览 4提问于2016-07-27得票数 0
1回答
我使用两种类型的聚类算法，我采用分层聚类，K-均值聚类使用python库。
现在的结果有点不同，那么我如何比较结果和使用哪种算法呢？因为我想为一组未标记的数据写一个结论。
使用多个算法并在它们之间进行比较有什么好处？
浏览 0提问于2020-12-12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
3回答
K-均值聚类是一种常用的聚类方法.假设K-均值聚类有N个点，即N个点应划分为K个群，其中每个组中的点具有相似性。
在K-means clustering处理之前，我们应该给初始中心赋值，在这里，我从所有的点中随机选择K点，程序每次运行都得到不同的输出。为什么这会导致不同的结果，我如何知道哪一个是最好的分类？
浏览 5提问于2014-01-07得票数 4
回答已采纳
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
3回答
如何应用集成聚类方法？
、、、、
我需要使用集成聚类方法，在我的数据集中使用python。我已经通过使用scikit学习库应用了k-均值聚类。我还应用了不同的分类方法，也发现了集成分类方法在科学学习中的应用.现在我感到困惑的是，在scikit中是否存在用于集成聚类的库，或者我如何将集成聚类方法应用于我的数据集？
浏览 0提问于2018-02-03得票数 0
我使用k均值和欧几里德距离算法来聚类数据(iris.csv)。但是，我不能将它们全部归入正确的组，有些数据在错误的组中。
所以，我只想知道，是否有可能将所有数据100%地聚类到正确的组中？
我脑海中的另一个问题是，选择k的最佳标准是什么？
谢谢你的帮助。
浏览 3提问于2013-03-21得票数 0
回答已采纳
2回答
只是一个一般性的问题，我正试图在脑海中想象。我对使用k均值聚类相当陌生，以前在两个变量上使用过它，它创建了一个二维点图。我也知道，虽然我以前还没做过，但是你可以用x，y，z轴用三个变量绘制一个k均值集群。但是现在我的位置上有四个变量，它们的z分数标准化了，我不知道如何恰当地使用k-均值聚类。在这种情况下，我应该使用k均值集群吗？
谢谢
浏览 0提问于2019-06-27得票数 0
回答已采纳
以下代码在每个运行时给出不同的结果，同时使用k均值方法将数据聚为3部分：
from numpy import array
from scipy.cluster.vq import kmeans,vq
data = array([1,1,1,1,1,1,3,3,3,3,3,3,7,7,7,7,7,7])
centroids = kmeans(data,3,100) #with 100 iterations
print (centroids)
可能取得的三个结果是：
(array([1, 3, 7]), 0.0)
(array([3, 7, 1]), 0.0)
(array([7, 3, 1])
浏览 2提问于2013-11-22得票数 3
回答已采纳
7回答
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？
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？
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？
其他方法？
浏览 5提问于2014-03-10得票数 22
回答已采纳
2回答
我想集群一些用户评论，我正在使用k-方式。在我的数据集中，我有英语和德语评论。如果我不将它们分开，这是在操纵集群结果吗？或者我应该对每种语言做一个k-均值预测？
浏览 0提问于2018-04-11得票数 1
1回答
我的数据包含了200多个特征和500多个观察。我想根据使它们不同的特点，将观察结果分成若干组。
我有很多想法，但我不确定哪一个合适：
1)进行主成分分析(PCA)，将特征降至二维。我已经这样做了，这样我就可以在2D图上看到它们。现在可以很容易地使用具有这两个维度的k-意思集群来创建集群，但是我不知道这是不是一个好主意，因为所有的组件都丢失了。但话又说回来，如果他们迷路了，他们可能没那么重要？不确定
2)进行主成分分析(PCA)，确定哪些特征值得包含，然后对这些特征进行k均值聚类。所以我可能不会把维度缩小到两个，但是它们会减少，然后k-均值聚类就会完成。从直觉上看，这似乎是最好的主意，但我不确定
浏览 0提问于2020-05-28得票数 1
回答已采纳
作为一个新手，我感兴趣的是传统聚类算法的主要缺点是什么。其目的是了解哪类数据或哪种场景不应该使用传统的聚类方法(例如K-均值)。
浏览 0提问于2018-02-27得票数 1
1回答
我试图复制这论文的结果，但是使用python和HMMlearn库来代替matlab。本文介绍了一种利用隐马尔可夫模型( HMM )预测股票价格的方法。
本文详细介绍了用四态5混合高斯分布作为模型.转移概率和初始状态概率是一致的，但发射概率是根据现有股票价格数据集的k均值算法的结果来确定的。
后半部分是我陷入困境的地方，本文建议使用k-均值算法返回的每个聚类的均值、方差和权重作为混合算法每个组分的均值、方差和权重。据我所知，星系团的平均值只是每个质心的中心，但是我不知道你如何获得方差或权重。
给出一个三维数据集X(以[[a, b, c], [d, e, f]...]的形式)，并使用k-均值算法，
浏览 0提问于2016-04-28得票数 2
回答已采纳
2回答
在Weka中使用聚类进行预测
、、、、
我可以使用聚类(例如，使用k-均值)在Weka中进行预测吗？
我有一些基于总统选举研究的数据。我有问卷的答案(数字属性)，我有一个属性，那就是你将投票给谁？(1，2或3)
我在Weka中使用一些分类器(例如Bayes)进行预测。我的结果是基于这个答案(投票意向)，我有大约60%的召回率(正确的预测率)。
我明白聚类是另一回事，但是我能用聚类来做预测吗？我已经试过了，但是我意识到集群总是选择自己的质心，它不使用我的投票意向问题。
浏览 3提问于2013-04-28得票数 2
回答已采纳
2回答
R中K-均值聚类问题
、、、
当我尝试对标准虹膜数据进行K-均值聚类时
library('tidyverse')
iris_Cluster <- kmeans(iris[, 3:4], 2, nstart = 10)
iris$cluster <- as.factor(iris_Cluster$cluster)
p_iris <- ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color=cluster)) + geom_point()
print(p_iris)
我得到一点属于错误的星系团。有什么问题吗？这就是K均值聚类
浏览 5提问于2017-10-24得票数 0
回答已采纳
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
我有几个聚类算法调优有5个集群。如果新的数据不属于最初的5个集群，我想要第6个集群，在第6个集群中。
第6簇说其他类别由不属于5个聚类的所有数据点组成。
P.S.:-最初提供的任何数据都属于这5个集群。因此，假设数聚类为5的k均值算法。在推理过程中，我想添加第6簇，这样任何一个确实属于给定聚类的算法都可以根据阈值距离将其放入这个类别。我有文本数据。让我去哪种聚类算法，我应该使用dbscan，som等等。
浏览 0提问于2021-04-19得票数 0
2回答
我目前正在做一个项目，我希望对多维数据进行聚类。我尝试了K均值聚类和DBSCAN聚类，两者都是完全不同的算法.
K-均值模型返回了相当好的输出，它返回了5个簇，但是我已经读到，当维数很大时，欧氏距离会失败，所以我不知道我是否可以相信这个模型。
在尝试DBSCAN模型时，该模型产生了大量的噪声点，并在一个集群中对多个点进行了聚类。我尝试了KNN dist绘图方法来为模型找到最优的eps，但我似乎无法使模型工作。这导致了我的结论，也许所绘制的点的密度很高，这也是我在一个星系团中得到很多点的原因。
对于集群，我使用10列不同的数据。我应该改变我正在使用的算法吗？对于多维数据和变化密度较小的数据，什么
浏览 0提问于2020-03-31得票数 2
回答已采纳
1回答
我正在修安德鲁·吴的课程“在课程中学习机器”。在讨论聚类时，他告诉我们，K-均值聚类算法是应用最广泛的算法.我之前还使用了Kruskal的聚类算法，这是一种非常有效的基于路径压缩和基于秩的联合算法。什么使K-的意思比Kruskal的算法更好？
浏览 2提问于2020-06-01得票数 3
回答已采纳
1回答
在无监督学习中，我们进行聚类分析(如K-均值)，将数据存储到多个聚类中。
但是这些集群数据在实际场景中的用途是什么呢？
我认为在聚类过程中，我们正在丢失有关数据的信息。
是否有一些实际的例子，聚类可能是有益的？
浏览 3提问于2016-05-24得票数 0
回答已采纳
3回答
比k均值聚类更精确的方法
、、、
在径向基函数网络(RBF网络)中，选择了隐层中的所有原型( RBF函数的中心向量)。此步骤可以通过以下几种方式执行：
中心可以从一些例子中随机抽样。
或者，它们可以用k均值聚类来确定.
智能选择原型的方法之一是在训练集上进行k均值聚类，并使用聚类中心作为原型。我们只知道k均值聚类的简单性(快速)，但不是很精确。
这就是为什么我想知道比k均值聚类更精确的另一种方法是什么？
任何帮助都将不胜感激。
浏览 7提问于2014-03-06得票数 1
回答已采纳
我目前正在尝试使用聚类分析作为我的一个项目的时间序列聚合工具。数据集是高维的(386-d)，因此无法直观地评估聚类有效性.
我使用三种不同的聚类算法(k-均值++，k-medoids PAM，模糊c-均值)来寻找具有代表性的周期。由于我不知道数据集中有多少个时间段(因此，有多少个中心/medoids)，所以我想对它使用一个内部集群有效性索引(cvi)。(基本过程:运行多个k的聚类，并按k绘制cvi；根据cvi最优选择最高/最低的k)。
让我们以k-均值为例。它是不确定的，因此我以不同的起点多次启动它.然后，它试图减少簇内方差。然后，保留具有相同k的各种初始化的最小簇内方差的结果。
我的问题是:
浏览 0提问于2019-05-28得票数 1
回答已采纳
1回答
我使用R的kmeans指令在数据集中执行k-means算法。我有一个关于我去的一些参数的问题。结果是：
Cluster means:
Sepal.Length Sepal.Width Petal.Length Petal.Width
1 5.006000 3.428000 1.462000 0.246000
在这种情况下，集群意味着什么？它是集群内所有物体距离的平均值？
同样在最后一部分，我有：
Within cluster sum of squares by cluster:
[1] 15.15100 39.82097 23.87947
(between_S
浏览 2提问于2013-01-25得票数 5
回答已采纳
我对R和集群非常陌生，目前我正在做家庭作业。本文的任务是对一家住宅企业的数据进行聚类，以便在分析结果的基础上，更好地理解和调整其经营模式。
可以找到原始数据集。我删除了几个专栏，因为(根据家庭作业)它们是无关的。在R中是这样的：
为了执行聚类，我使用了K-均值。
#use Elbow Method in order to understand how many clusters are needed.
set.seed(123)
fviz_nbclust(clustering, kmeans, method = "wss")
#perform k-means
k2 &
浏览 8提问于2021-12-28得票数 0
回答已采纳
我一直在玩sklearn的k均值聚类类，我对它的预测方法感到困惑。
我在虹膜数据集上应用了如下模型：
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
pca = PCA(n_components = 2).fit(X_train)
X_train_pca = pca.transform(X_train)
X_test_pca = pca.transform(X_test)
kmeans_pca = KMeans(n_clusters=3).fit(X_tr
浏览 11提问于2022-07-04得票数 2
回答已采纳
2回答
我想知道
当k-均值失败时，K-means最适合聚类哪种类型的数据？？对于哪种类型的数据集k-均值不能给出准确的答案？ COBWEB最适合于哪种类型的数据的聚类?当COBWEB失败时？对于哪种类型的数据集，COBWEB没有给出准确的答案？
浏览 4提问于2010-06-04得票数 2
2回答
PCA降维后的聚类
、、、
假设我们有一个大维的数据集，我们使用PCA将其降到了较低的维度，那么对所述数据使用聚类算法是否明智/准确？假设我们不知道会有多少个集群。
在Iris数据集上使用PCA ( csv中的数据按顺序排列，以便列出所有的第一类，然后是第二个，然后是第三个)生成以下图：
可以看出，Iris数据集中的三个类已被保留。然而，当样本的次序被随机化时，则会产生以下情节：-
上面，还不清楚数据集中包含了多少个集群/类。在这种情况下(更真实的情况)，如何识别类的数量，像K-均值这样的聚类算法会有效吗？
是否会因为低阶主成分的丢弃而产生内在的影响？
编辑：-为了清楚，我是问一个数据集是否可以在运行PCA后
浏览 5提问于2013-09-25得票数 0
回答已采纳
1回答
基本上，我模拟了1000多个数据集，然后通过K均值、基于模型的聚类等不同的聚类技术对它们进行聚类。
然后，利用分类正确率CCR验证了这些方法的性能。然而，我面临标签切换的问题，因此无法得到现实的CCR。那么，我的问题是，有没有一种方法来统一多元数据集r中的所有标签？
下面是一个简单的例子：
# Create the random data sets:
data1 <- rnorm(5, 0, 0.5) # cluster 1
data2 <- rnorm(5, 2, 0.5) # cluster 2
data3 <- rnorm(5, 4, 0.5) #
浏览 1提问于2018-06-21得票数 0
回答已采纳
2回答
聚类(例如:K-均值，EM算法等)是利用数据点之间的距离度量，在数据集中形成聚类，用于无监督分类。
我的问题是:除了聚类之外，我还可以使用什么来执行无监督的分类，以及如何进行分类？或者，除了对无监督的分类进行聚类之外，没有其他选择？
编辑:是的，我的意思是k-意思。
浏览 6提问于2020-11-21得票数 0
回答已采纳
1回答
WEKA如何评估星系团？
、、、
嗨，在链接中找到了这个解释：
使用培训集(默认)。生成聚类后的Weka
将训练实例分类为按
集群表示并计算实例的百分比。
在每个星系团中坠落。
在所提供的测试集或百分比split中可以评估
如果聚类表示是概率的(例如，对于EM)，则对单独的测试数据进行聚类。
类到集群评估。在这种模式下，Weka首先会忽略
类属性并生成集群。然后在
它根据每个集群中类属性的大多数值将类分配给集群的测试阶段。在此基础上计算分类误差，并给出相应的混淆矩阵。一个例子
对于k-均值，如下所示。
但是，我不清楚WEKA是如何对集群中的一个新实例进行分类的，以及它如何度量是否应该将该实例分类到该集群中。
浏览 0提问于2018-11-29得票数 1
1回答
K (PAM)算法的缺陷
、、、、
本文研究了K算法(PAM)是一种基于聚类的聚类算法，是K-均值算法的一个变体.它解决了K-均值产生空簇和对离群点/噪声的敏感性等问题。
然而，K-medoid的时间复杂度为O(n^2)，而K-均值(劳埃德算法)的时间复杂度为O(n)。我想问K-medoid算法除了其时间复杂性外是否还有其他缺点。
浏览 2提问于2017-10-01得票数 1
回答已采纳
我想用k均值和Ward的方法来聚类多维时间序列。我的基本数据集有4列(特性)，每个列都是288个值的时间序列。因此，一个"datapoint“有4*288=1152条目(维度)。我有100个数据点，我想对其进行集群。
根据设置，可能4列中的1或2对于288个时间序列值和我想集群的所有100个数据点都有0值。现在我的问题是，这些0列是否以及如何影响k均值和Ward方法的聚类结果？因此，假设一个数据池实际上只有两个特性，包含288个值。当大数组2中的4个维度中所有条目的值都为0时，如果对一条记录使用2*288=576维度与对一条记录使用4*288=1152维度相比，会有什么区别吗？
浏览 0提问于2022-08-23得票数 0
回答已采纳
1回答
我正在研究一种现有的算法，以提高其复杂性。现有的算法使用K-均值来执行聚类，而我选择使用K-均值++进行同样的聚类。
选择K-均值++是因为与K-均值相比，K均值聚类结果更快、更准确.
现在，在最后，我必须比较新算法和现有算法的复杂性，我发现我无法理解K-意思是++的复杂性是O(logk)竞争性。
我试着在网络上到处寻找解释，包括堆栈溢出。
我唯一理解的是，竞争与“在线”和“离线”算法有关。有谁能解释一下它在这里的应用吗？
浏览 2提问于2017-03-28得票数 3
回答已采纳
2回答
我刚刚毕业于计算机科学，有很好的理论背景，但没有任何数据科学或人工智能经验，我自己努力探索这两个领域。更确切地说，我尝试研究一种玩具子空间聚类k均值算法，我认为我成功地学习了基本的优化技术。
所以现在我有了一些特殊的子空间聚类算法.我卡住了。我如何验证它？在我的学习中，我学习了许多正式的证明或模型检查技术，但我觉得它们在这里完全无关紧要。我读过几篇人工智能论文，似乎在聚类中有很强的实验验证传统，有很多的有效性度量。我的问题是他们对我毫无意义。我不明白他们能证明什么，甚至不明白为什么他们是相关的。我非常感兴趣的是关于实验验证方法的一般课程(如果它真的是一门东西的话！)，如果可能的话，在理论上是正
浏览 0提问于2015-10-29得票数 3
1回答
KMeans没有预测正确的集群
、、、、
进行K-均值聚类，生成5个最优聚类数.(不均匀地进行聚类)。在我的模型中使用它们时，模型没有选择具有准确数据的精确集群。这种情况只发生在一些记录上。对于某些记录，它正在从错误的集群获得匹配，甚至在另一个集群中也存在精确的匹配。
为什么会发生这种事？
如果有人知道这件事，请给我一些建议，谢谢.
浏览 0提问于2022-12-19得票数 0
1回答
我有一个包含大约77k行的样本数据集，我已经使用k均值聚类对它们进行了聚类，并使用颜色管理器对集群进行了着色。现在我想看一看，但是我不能设置数字。在散点图中显示为77k的行，是否有任何方法可以将这些集群可视化？
浏览 0提问于2016-01-26得票数 3
R中的结构函数表明USArrests只有4个变量。然而，有5个。状态名称在第一列中，但它没有标记。
我正在努力理解这背后的直觉以及它是如何工作的。我对数据进行了K均值聚类算法，似乎第一列(州名称)在分析中充当标签。而不使用分类数据。
这是我使用的教程。
下面是一些代码，可以更清晰地解释我的意思。
str(USArrests)
'data.frame': 50 obs. of 4 variables:
$ Murder : num 13.2 10 8.1 8.8 9 7.9 3.3 5.9 15.4 17.4 ...
$ Assault : int 236 263
浏览 1提问于2019-04-20得票数 0
1回答
我得到了一份美国县的列表，其中包含贫困、人口等数据，并使用k均值算法进行了聚类。我对聚类进行了交叉验证，如下所示:我将县分为一个训练集和一个坚持集。我在聚类过程中去掉了贫困特征，然后对于坚持集中的每个县，我找到了最近的聚类，然后从最近聚类的平均贫困中减去了该县的贫困。最后，我将上面的差值平方，对坚持集合中的每个县进行求和，然后除以坚持集合中的县的数量。然后我做了同样的事情，但这一次贫困特征参与了聚类。我观察到错误比以前明显减少了，但我读到这是某种程度上的“作弊”。什么是直观的方式来理解为什么在聚类中包含贫困是错误的？
浏览 0提问于2012-12-09得票数 0
回答已采纳
2回答
我在MATLAB中为基于质心的k-均值聚类创建了一个二维随机数据集(由点数据集和一列标签组成)，其中每个点用X和Y(点坐标)的向量表示，每个标签表示数据点集群，参见下图中的示例。
我在这些点数据集上应用了K均值聚类算法.我需要以下方面的帮助:我可以使用什么函数来评估K-均值算法的准确性？更详细的是:我的目标是通过与matlab的赋值数字进行比较，根据分配给出的标签正确识别多少个标签来对Kmeans算法进行评分。例如，我验证点(7.200592168，11.73878455)是否与点(6.951107307，11.27498898)分配给同一个集群.等。
浏览 7提问于2022-06-22得票数 0
回答已采纳
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
2回答
一类分类的K-均值聚类
、、、
我想知道我是否可以使用k-均值聚类算法来进行一个类别的分类(例如一个类别的支持向量机)，这意味着我有两个类的数据，而我只标记了我用于训练的一个类？
浏览 0提问于2019-04-22得票数 1
2回答
我有一个包含从字幕生成的向量的数据集(每一列代表一种类型，每行代表一个电影名称)，我的目的是找到最相似的电影标题，我想使用不同的距离/相似性度量并比较它们，最好的方法是什么？
现在，我尝试了L1距离，余弦相似度，欧几里德距离，马氏距离，我得到了前n个最相似标题的结果，但是所有的结果看起来都很合理，如何比较哪种方法效果最好呢？
我还试着做k-均值，当我实现K-均值聚类时，它默认使用欧氏距离，如何使用其他距离来实现K-均值?还有关于其他相似性度量的建议吗？非常感谢
浏览 0提问于2019-07-30得票数 6
回答已采纳
我读过一些关于粒子群算法的论文。它看起来和K-均值并没有太大的不同。我尝试使用粒子群算法进行聚类，但结果与K均值的结果基本相同，存在一些缺点，比如执行时间较长，并且由于随机因素造成的结果也有很多不同。
浏览 0提问于2019-05-25得票数 1
回答已采纳
1回答
如何获得固定大小的筛选特征向量？
、、、、
我试图在我的数据集中获得N= 1300幅图像的特征向量，我必须实现的特征之一是形状。所以我打算用SIFT描述符。但是，每个图像返回不同数量的关键点，因此我运行
[F,D] = vl_sift(image);
F为4 x N大小，D为128 x N大小，其中N为检测到的关键点数。
但是，我希望获得一个大小为128 x 1的向量，它可以尽可能好地表示图像。我见过聚类和k均值之类的东西，但我不知道如何去做。
最基本的思想是得到这些大小为128x1的N个向量的平均值，然后我有一个特征向量。但是，平均水平是否有意义呢？我应该做一些直方图吗？
任何帮助都将不胜感激。谢谢！
浏览 1提问于2014-04-18得票数 8
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
