MATLAB 中关于 k-means 聚类的查询答案

【问题标题】：Query regarding k-means clustering in MATLABMATLAB 中关于 k-means 聚类的查询
【发布时间】：2016-05-23 09:30:38
【问题描述】：

我有大量矩阵形式的数据。我已经在 MATLAB R2013a 中使用 k-means 聚类对其进行了聚类。我想要形成的每个簇的质心的确切坐标。是否可以使用任何公式或其他任何公式？

我想找出每个簇的质心，这样每当矩阵中有一些新数据到达时，我就可以计算它与每个质心的距离，从而找出新数据所属的簇

我的数据本质上是异构的。因此，很难找出每个集群的数据平均值。所以，我正在尝试编写一些代码来自动打印质心位置。

【问题讨论】：

发布您用于kmeans的代码，质心是MATLAB函数的输出......
使用 documentarion... 但如果您的数据是“异构的”，k-means 可能无法产生有意义的结果。仔细研究结果！ 在 k-means 意义上它可以是“最优的”，但同时又是无用的和有偏见的。

【解决方案1】：

质心被简单地评估为分配给该集群的所有点坐标的平均值。

如果您有分配 {point;cluster}，您可以轻松评估质心：假设您有一个给定的集群，其中分配有 n 点，这些点是 a1,a2,...,an。您可以使用以下方法评估此类集群的质心：

centroid=(a1+a2+...+an)/n

显然，您可以循环运行此过程，具体取决于您的数据结构（即分配点/质心）的组织方式。

【讨论】：

但是当集群质心位置已经只是 MATLAB 的 kmeans 的第二个输出时，你为什么要这样做......
OP 没有指定使用了什么工具箱/功能，他正在寻找一个公式来评估质心。这是质心的定义和公式。如果他/她一直在使用 Matlab 内置的 kmeans 函数，那么您是对的，他/她可以改用给定的输出。

【解决方案2】：

在 MATLAB 中，使用

[idx,C] = kmeans(..)

而不是

idx = kmeans(..)

[idx,C] = kmeans(..) 返回 k×p 矩阵 C 中的 k 个簇质心位置。

【讨论】：