一维数据的聚类

Question

我正在尝试在不使用内置 k-means 函数的情况下学习 MATLAB 中的 k-means 聚类算法。假设我有大小为 1x100 的数据，我想将它们分成两个集群。那么我该怎么做。我想在 MATLAB 中将两个质心和数据一起可视化。 注意：当我在 MATLAB 中绘图时，我只能看到数据，但不能同时看到数据和两个质心。

非常感谢您在这方面的任何帮助。

Answer 1

matlab 中的最小 K-means 聚类算法可以是：

p = rand(100,2); % rand(number_of_points,number_of_dimension)
c = p(1:3,:);    % We create 3 centroids

% We run this minimal KNN algorithm:
for ii = 1:10
    % Which centroids is the closest for each points ? min(Euclidian_distance):
    [~,idx] = min(sum((permute(p,[3,2,1])-c).^2,2),[],1);
    % We calculate the new centroids (the center of mass of the corresponding points)
    c = splitapply(@mean,p,idx(:))
end

如果需要，我们可以绘制结果：

hold on
scatter(p(:,1),p(:,2),[],idx(:))
scatter(c(:,1),c(:,2),[],'red')

我们得到：

我们的 3 个质心为红色，簇具有不同的颜色。 请注意，在此示例中，数据的维度为 2，但它也适用于任何其他维度。

3 个初始质心对应于数据集的 3 个点（随机选择），它确保每个质心至少是 1 个点的最接近的质心。

在此示例中，有 10 次迭代。但是最好定义一个容差并在质心收敛时停止迭代。