matlab - ejemplos - kmeans r

Matlab: K-means agrupamiento

Question

Tengo una matrice de A (369x10) que quiero agrupar en 19 grupos. Yo uso este método

[idx ctrs]=kmeans(A,19)

que produce idx (369x1) y ctrs (19x10)

Entiendo el punto hasta aquí. Todas mis filas en A están agrupadas en 19 grupos.

Ahora tengo una matriz B (49x10). Quiero saber dónde se corresponden las filas de esta B en los 19 clústeres dados.

¿Cómo es posible en MATLAB?

Gracias de antemano

Answer 1

No puedo pensar en una mejor manera de hacerlo que lo que describes. Una función incorporada salvaría una línea, pero no pude encontrar una. Aquí está el código que usaría:

[ids ctrs]=kmeans(A,19);
D = dist([testpoint;ctrs]); %testpoint is 1x10 and D will be 20x20
[distance testpointID] = min(D(1,2:end));

Answer 2

para una pequeña cantidad de datos, podrías hacer

[testpointID,dum] = find(permute(all(bsxfun(@eq,B,permute(ctrs,[3,2,1])),2),[3,1,2]))

pero esto es algo oscuro; el bsxfun con los ctrs permutados crea un conjunto de booleanos de 49 x 10 x 19, que luego se ''modifica'' en la segunda dimensión, se permuta y luego se encuentran los identificadores de fila. nuevamente, probablemente no sea práctico para grandes cantidades de datos.

Answer 3

Suponiendo que está usando una métrica de distancia euclidiana cuadrada, intente esto:

for i = 1:size(ctrs,2)
d(:,i) = sum((B-ctrs(repmat(i,size(B,1),1),:)).^2,2);
end
[distances,predicted] = min(d,[],2)

predicted debería contener el índice del centroide más cercano, y las distancias deben contener las distancias al centroide más cercano.

Eche un vistazo dentro de la función kmeans, en la subfunción ''distfun''. Esto le muestra cómo hacer lo anterior, y también contiene los equivalentes para otras métricas de distancia.

Answer 4

El siguiente es un ejemplo completo de clustering:

%% generate sample data
K = 3;
numObservarations = 100;
dimensions = 3;
data = rand([numObservarations dimensions]);
%% cluster
opts = statset(''MaxIter'', 500, ''Display'', ''iter'');
[clustIDX, clusters, interClustSum, Dist] = kmeans(data, K, ''options'',opts, ...
''distance'',''sqEuclidean'', ''EmptyAction'',''singleton'', ''replicates'',3);
%% plot data+clusters
figure, hold on
scatter3(data(:,1),data(:,2),data(:,3), 50, clustIDX, ''filled'')
scatter3(clusters(:,1),clusters(:,2),clusters(:,3), 200, (1:K)'', ''filled'')
hold off, xlabel(''x''), ylabel(''y''), zlabel(''z'')
%% plot clusters quality
figure
[silh,h] = silhouette(data, clustIDX);
avrgScore = mean(silh);
%% Assign data to clusters
% calculate distance (squared) of all instances to each cluster centroid
D = zeros(numObservarations, K); % init distances
for k=1:K
%d = sum((x-y).^2).^0.5
D(:,k) = sum( ((data - repmat(clusters(k,:),numObservarations,1)).^2), 2);
end
% find for all instances the cluster closet to it
[minDists, clusterIndices] = min(D, [], 2);
% compare it with what you expect it to be
sum(clusterIndices == clustIDX)

Answer 5

No sé si entiendo bien tu significado, pero si quieres saber a qué grupo pertenecen tus puntos, puedes usar la función KnnSearch fácilmente. Tiene dos argumentos y buscará en el primer argumento el primero de ellos más cercano al argumento dos.