ClusterR - 最佳初始化方法

Question

使用 ClusterR 进行聚类的初始化方法的文档非常神秘。你能发布一篇描述optimal_init方法的论文的参考吗？

这是官方所说的：

optimal_init：此初始化程序以增量方式添加数据行，同时检查它们是否已存在于质心矩阵中

Answer 1

ClusterR包的KMeans_rcpp和MiniBatchKmeans中使用的初始化器是：

• random（随机选择数据行作为初始质心），
• kmeans++（参考：http://theory.stanford.edu/~sergei/papers/kMeansPP-soda.pdf AND http://stackoverflow.com/questions/5466323/how-exactly-does-k-means-work），
• quantile_init（它使用分位数和累积距离来选择初始质心）和
• optimal_init（它通过首先检查它们是否已经存在于所选择的质心中来逐步将观测值添加到质心）。

我在包中添加了最后两个（quantile_init 和 optimal_init），因为我在对各种数据集进行测试后发现它们给出了相似（或更好）的结果（使用验证指标）和/或运行得更快。它们都是实验性的，并且（你是对的）在包的下一个版本中我将在文档详细信息中添加注释。可以看到quantile_init的rcpp代码和 optimal_init 在包存储库中。