如果数据集有 440 个对象和 8 个属性（数据集取自 UCI 机器学习存储库）。那么我们如何计算这些数据集的质心。 （批发客户数据） https://archive.ics.uci.edu/ml/datasets/Wholesale+customers
如果我计算每一行的平均值，那会是质心吗？ 以及如何在 matlab 中绘制结果簇。
【问题讨论】：
标签： machine-learning cluster-analysis
好的，首先，在数据集中，1行对应数据中的一个单个样例，你有440行，也就是说数据集由440个样例组成。每列都包含该特定功能（或您所称的属性）的值，例如数据集中的第 1 列包含特征 Channel 的值，第 2 列包含特征 Region 的值，依此类推。
现在对于 K-Means 聚类，您需要指定聚类的数量（K-Means 中的 K）。假设您想要 K=3 个集群，那么初始化 K-Means 的最简单方法是从您的数据集中随机选择 3 个示例（即 3 行，从您拥有的 440 行中随机抽取）作为您的质心。 现在这 3 个例子就是你的质心。
您可以将您的质心视为 3 个 bin，并且您希望将数据集中的每个示例放入 最近的（通常由欧几里德距离测量；检查函数 norm in Matlab) bin.
在第一轮将所有示例放入最近的 bin 之后，您通过计算各自 bin 中所有示例的 mean 来重新计算质心。您重复将所有示例放入最近的 bin 的过程，直到数据集中没有示例 移动 到另一个 bin。
一些Matlab的起点
你通过X = load('path/to/the/dataset', '-ascii');加载数据
在您的情况下，X 将是一个 440x8 矩阵。
您可以通过以下方式计算从示例到质心的欧几里得距离
distance = norm(example - centroid1);,
其中example 和centroid1 都具有维度1x8。
重新计算质心的工作方式如下，假设您已经完成了 1 次 K-Means 迭代并将所有示例放入各自最近的 bin 中。假设Bin1 现在包含所有最接近centroid1 的示例，因此Bin1 的维度为127x8，这意味着440 个示例中有127 个在此bin 中。要计算下一次迭代的质心位置，您可以执行centroid1 = mean(Bin1);。你会对你的其他垃圾箱做类似的事情。
至于绘图，您必须注意您的数据集包含 8 个特征，这意味着 8 个维度并且不可视化。我建议您创建或查找仅包含 2 个特征的（虚拟）数据集，因此可以使用 Matlab 的 plot() 函数进行可视化。
【讨论】：