标签: k-means

在 R 中执行 k 均值后是否可以获得每个簇内的实际观测值？

例如，在我的分析之后，我有 2 个聚类，我想在每个聚类中找到精确的观察结果，这可能吗？

我应用 k 均值算法来分割图像。我使用内置的 k-means 函数。它工作正常，但我想知道在 k-means 方法中将其转换为二进制图像的阈值。例如，我们可以使用MATLAB中的内置函数来获取阈值：

threshold=graythresh(grayscaledImage);
a=im2bw(a,threshold);
%Applying k-means....
imdata=reshape(grayscaledImage,[],1);
imdata=double(imdata);
[imdx mn]=kmeans(imdata,2);
imIdx=reshape(imdx,size(grayscaledImage));
imshow(imIdx,[]);

我是 Python 初学者。现在，我试图了解sklearn.cluster.KMeans中的参数n_init是什么

从文档中：

n_init：整数，默认值：10

k-means 算法使用不同质心种子运行的次数。最终结果将是n_init连续运行中惯性方面的最佳输出。

起初，我认为这意味着代码运行的次数，直到我发现这个有用的问题，然后我意识到这就是max_iter所做的。

参数n_init到底有什么作用？我真的不明白。

I have a df:

    id      Type1   Type2   Type3   
0   10000   0.0     0.00    0.00    
1   10001   0.0     63.72   0.00    
2   10002   473.6   174.00  31.60   
3   10003   0.0     996.00  160.92  
4   10004   0.0     524.91  0.00

I apply k-means to this df and add the resulting cluster to the df:

kmeans = cluster.KMeans(n_clusters=5, random_state=0).fit(df.drop('id', axis=1))
df['cluster'] = kmeans.labels_

Now I'm attempting to add columns to the df for the Euclidean distance between each point (i.e. row in the df) and each centroid:

def …

我试图找到 k 聚类的最佳值，但它显示错误

k_range = range(1,10)
sse = []
max_iter = 300
init = 'k-means++'
n_init = 10
for k in k_range:
    km = KMeans(n_clusters=k, max_iter =  max_iter, init = init, n_init = n_init)
    km.fit(df[['Age','Income($)']])
    sse.append(km.inertia_)

我有 157 维的数据，有 688 个数据点。我想用数据进行聚类。

由于 K-Means 是最简单的算法，因此我决定从这种方法开始。

这是 Sklearn 函数调用：

KMeans(init='k-means++', n_clusters=4, n_init=10), name="k-means++", data=sales)

以下是一些输出指标：

init                  time    inertia   homo   compl  v-meas     ARI     AMI  num_clusters
k-means++             0.06s    38967   0.262   0.816   0.397   0.297   0.250      4
k-means++             0.05s    29825   0.321   0.847   0.466   0.338   0.306      6
k-means++             0.07s    23131   0.411   0.836   0.551   0.430   0.393      8
k-means++             0.09s    20566   0.636   0.817   0.715   0.788   0.621     10
k-means++             0.09s    18695   0.534   0.794   0.638   0.568   0.513     12
k-means++             0.11s    16805   0.773   0.852   0.810   0.916   0.760     14 …

我在形状为[1000，]的一维数组中有一些数据，其中包含1000个元素。我对该数据应用了k均值聚类，聚类数为10。应用k均值后，我为每个聚类得到了形状为[1000]的聚类标签（id），形状为[10]的质心。标签将0到9之间的值分配给1000个元素中的每个元素。但是，我希望每个元素都显示其质心，而不是其簇ID。我该如何实现？

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=10)
kmeans.fit(data)   #data is of shape [1000,]
#learn the labels and the means
labels = kmeans.predict(data)  #labels of shape [1000,] with values 0<= i <= 9
centroids  = kmeans.cluster_centers_  #means of shape [10,] 

在上面的代码中，我想要[1000，]数组中每个元素的质心，而不是其簇ID。

我有一个6x1000的二进制数据数据集(6个数据点,1000个布尔维度).

我对它进行聚类分析

[idx, ctrs] = kmeans(x, 3, 'distance', 'hamming');

我得到了三个集群.我如何可视化我的结果？

我有6行数据,每行有1000个属性; 其中3个在某种程度上应该相似或类似.应用聚类将显示聚类.由于我知道集群的数量,我只需要找到类似的行.汉明距离告诉我们行之间的相似性,结果是正确的,有3个集群.

[编辑:对于任何合理的数据,kmeans将总是找到所询问的簇数]

我想把这些知识带到易于观察和理解,而不必写出大量的解释.

Matlab的例子不合适,因为它涉及数字2D数据,而我的问题涉及n维分类数据.

数据集在这里http://pastebin.com/cEWJfrAR

[编辑1:如何检查集群是否重要？]

欲了解更多信息,请访问以下链接:http: //chat.stackoverflow.com/rooms/32090/discussion-between-oleg-komarov-and-justcurious

如果问题不明确,请询问您遗失的任何事情.