【问题标题】:K-Means for diagonal clusters对角聚类的 K 均值
【发布时间】:2017-01-15 01:17:39
【问题描述】:

我目前有 2 个集群,它们基本上位于 3D 表面上的 2 条线上:

我尝试了一个简单的 kmeans 算法,它产生了上述分离。 (大红点是手段)

我尝试使用软 k 均值进行聚类,每个均值沿 3 个维度具有不同的方差。但是,它也未能对此进行建模,可能是因为它无法拟合对角高斯的形状。

是否有另一种算法可以考虑到数据是对角线的?或者,有没有一种方法可以从本质上“旋转”数据,以便可以使软 k-means 起作用?

【问题讨论】:

  • k-means 只是学习高斯混合模型的一个特例。一般的高斯混合模型也会捕捉到旋转。
  • 如果我不得不猜测异常值更有可能使您的聚类偏向右侧。尝试删除这些异常值并再次尝试聚类。

标签: algorithm machine-learning cluster-analysis k-means


【解决方案1】:

K-means 没有为相关性做好充分准备。

但这些集群在我看来是合理的高斯分布,您应该尝试高斯混合建模

【讨论】:

    猜你喜欢
    • 2014-07-24
    • 2015-02-09
    • 2017-12-30
    • 2012-06-18
    • 2019-10-14
    • 1970-01-01
    • 2016-05-20
    • 2020-12-18
    • 1970-01-01
    相关资源
    最近更新 更多