Tengo una matrice de A (369x10) que quiero agrupar en 19 clusters. I utilizar este métodoMatlab: K-means clustering
[idx ctrs]=kmeans(A,19)
que produce idx (369x1) y CTR (19x10)
consigo el punto hasta here.All mis filas en A está agrupado en 19 clusters.
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
No puedo pensar en una mejor manera de hacerlo que lo que usted describe. Una función incorporada salvaría una línea, pero no pude encontrar una. Aquí está el código 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));
para la pequeña cantidad de datos, que podría 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.
Suponiendo que está utilizando la distancia euclídea al cuadrado métrica, 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)
predicho entonces debe 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.
El siguiente es un ejemplo completo en la agrupación:
%% 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)
No sé si me da el significado correcto, pero si quieres saber cual se agrupan los puntos pertenecen puede utilizar la función KnnSearch fácilmente. Tiene dos argumentos y buscará en el primer argumento el primero de ellos más cercano al argumento dos.
¿qué salida esperas? – SilentGhost
Digamos que mis clusters son p1 ... p19. y tengo un punto de datos de prueba que selecciono al azar de los datos de prueba que utilizo durante la agrupación. Quiero ver algo así; "mis datos de prueba pertenecen a p5" – tguclu
Encontré una manera, pero no estoy seguro de que sea correcta. ctrs contiene los centros de cada clúster. Si calculo la distancia euclidiana por elementos de ctrs y mis datos de prueba y obtengo el índice mínimo, entonces me dará el índice de clúster al que pertenecen mis datos de prueba. alguna idea? – tguclu