kmeans 分类到预定的质心答案

【问题标题】：kmeans classification to predetermined centroidskmeans 分类到预定的质心
【发布时间】：2013-04-23 09:31:18
【问题描述】：

我正在尝试将数据点（通过欧几里得距离）分配给已知的、预定义的一组中心点，将点分配给最接近的固定中心点。

我觉得我可能过于复杂/遗漏了一些基本的东西，但我尝试使用具有预定中心且没有迭代的 kmeans 实现来做到这一点。但是，根据下面的代码，可能是因为算法将进行一次迭代，这无法正常工作（cl$centers 已“移动”并且不等于原始质心）

还有另一种简单的方法可以将矩阵 X 中的点分配到最近的中心吗？

非常感谢，W

x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2), matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(x) <- c("x", "y")

vector=c(0.25,0.5,0.75,1)
ccenters <- as.matrix(cbind(vector,vector))
colnames(ccenters) <- c("x", "y")
ccenters

(cl <- kmeans(x, centers=ccenters,iter.max=1))
plot(x, col = cl$cluster)
points(cl$centers, col = 1:4, pch = 8, cex = 2)
cl$centers
cl$centers==ccenters

【问题讨论】：

标签： r classification k-means

【解决方案1】：

您可以直接计算每个点和每个中心之间的距离和查看最近的中心。

# All the distances (you could also use a loop)
distances <- outer( 
  1:nrow(x), 
  1:nrow(ccenters), 
  Vectorize( function(i,j) { 
    sum( (x[i,] - ccenters[j,])^2 )
  } )
)

# Find the nearest cluster
clusters <- apply( distances, 1, which.min )

# Plot
plot( x, col=clusters, pch=15 )
segments( ccenters[clusters,1], ccenters[clusters,2], x[,1], x[,2], col=clusters )

【讨论】：