【问题标题】：Matlab: kmeans clustering gives unexpected clustersMatlab：kmeans聚类给出了意想不到的聚类
【发布时间】：2015-07-13 12:22:18
【问题描述】：

例子：

load kmeansdata %provides X variable
Y=bsxfun(@minus,X,mean(X,2))'/sqrt(size(X,2)-1); %normalized and means adjusted
[~,~,PC] = svd(Y); %
plot(PC(:,1),PC(:,2),'m.','markersize',15)

绘制前两列，你会得到看起来像 3 个集群。我想使用 kmeans 识别这些集群，并以不同颜色绘制集群作为 prood。我试过了：

[idx,cntrd] = kmeans(PC(:,1:2),3,'Distance','sqEuclidean');%,'Distance','correlation');

cluster=3;
Col = {'.b','.r','.g','.y','.m','.c','.k'}; % Cell array of colours.
figure;
hold on
for clus=1:cluster
  plot(PC(idx==clus,1),PC(idx==clus,2),Col{clus},'MarkerSize',12)  
end
plot(cntrd(:,1),cntrd(:,2),'kx','MarkerSize',15,'LineWidth',3) %plotting the centroids of the clusters

群集质心已关闭，颜色也不是我所期望的。有人可以帮忙吗？

编辑：有点回答：

我从 mathworks 网站复制了这段代码并替换了我的 kmeans 行：

opts = statset('Display','final');
[idx,C] = kmeans(PC(:,1:2),3,'Distance','cityblock',...
    'Replicates',5,'Options',opts);

它似乎有效，但我不太明白 opts 的作用。我假设，复制只是重复 kmeans 5 次，并为质心选择某种平均值。我还重新启动了 matlab，以防出现某种故障

编辑：忽略上面：

我认为问题已经解决，所以我尝试寻找合适的 k 值。我输入 k=1，运行所有内容，然后 k=2，然后 k=3，我发现我又犯了同样的错误

【问题讨论】：

第一个建议（实际上只是一个旁注）是您可以使用gscatter 轻松地将组绘制为不同的颜色。其次，您是否尝试过使用'Replicates',5 选项但坚持使用默认欧几里得距离而不是使用cityblock？也可以尝试去掉opts 部分，也许你不需要它......
查看mathworks.com/help/stats/statset.html 了解opts 正在做什么。 Display 属性似乎只影响函数的控制台输出，即它给你的反馈。顺便说一句，我认为你是对的 replicate: mathworks.com/help/stats/kmeans.html#bueftl4-1
@Dan 我运行了在我的第一个“编辑：有点回答：”部分中显示的代码（其中包括 cityblock 参数，它不再按预期工作。我在没有distance/cityblock 对，使其使用默认值，但我仍然无法按预期工作。在这两种情况下，质心都是错误的（其中两个在中间集群中，第三个看起来正确），并且两者的配色方案是错误的（左侧和中间簇的上半部分是红色的，底部是蓝色的，尽管右侧的簇看起来是正确的绿色）。
您是否尝试将复制参数数增加到大于 5？
@Dan 我将重复次数更改为 10（同样没有距离名称/对），情况更糟。在至少最后一个（右侧）集群具有正确的质心并以绿色着色之前，现在所有 3 个集群都是错误的。图片有帮助吗？

标签： matlab cluster-analysis k-means

【解决方案1】：

kmeans 可以对初始质心位置敏感。问题似乎是用于选择起点的算法。例如，您可以通过运行以下命令获得预期的答案：

[idx,cntrd] = kmeans(PC(:,1:2),3, 'start', [-0.05 0; 0 0; 0.05  0]);

外表也可能具有欺骗性。在这种情况下，数据的分散在 x 和 y 维度上是不相等的。因此，对于某些点对，欧几里德距离在视觉集群之间不如在集群内那么远。

您可以考虑对这些数据使用混合高斯分布模型。

【讨论】：