在matlab中将测试数据划分为k-mean集群

Posted 2023-03-12

【中文标题】在matlab中将测试数据划分为k-mean集群

【英文标题】：Dividing test data into k-mean cluster in matlab

【发布时间】：2017-04-03 10:12:40

【问题描述】：

我有 525 个数据，我使用 kmeans 函数将它们分成两部分。当我有一个测试数据时，我想将它相应地放入一个集群中。为此，我必须测量两个集群的测试数据和质心的距离。最短距离意味着数据在该集群上。

我该怎么做？

PS：数据有 9 个输入，这意味着每个数据由 9 个值组成。

这是我尝试过的：

for n = 1:174
  for k = 1:9
  testclust1(n,k) = C(1,k)-TEST(n,k)
  testclust2(n,k) = C(2,k)-TEST(n,k)
end 
if testclust1(1,:) <= testclust2(1,:)
%then cluster 1 else cluster 2
end

有什么想法吗？

【问题讨论】：

这是伪代码吗？要不然是啥？什么是C、TEST、testclust？

距离函数，centeroid计算在哪里？

【参考方案1】：

你可以使用pdist2:

 dist_to_centers = pdist2(C, TEST);  

dist_to_centers 是 2×174 矩阵，每个测试点到中心的距离。

 idx_of_test_points_in_first = find(dist_to_centers(1,:)<=dist_to_centers(2,:)); 
 idx_of_test_points_in_second = find(dist_to_centers(1,:)>dist_to_centers(2,:));

如果你想手动计算dist_to_centers，你可以使用bsxfun：

dist_to_centers = bsxfun(@minus, permute(C,[1 3 2]), permute(TEST,[3 1 2]));
dist_to_centers = sum( dist_to_centers.^2, 3 );