用弯曲线法计算K-均值聚类中的最优K值
弯曲线法（Elbow Method）是一种常用的方法，用于确定K-均值聚类中的最优K值。K-均值聚类是一种无监督学习算法，用于将数据集划分为K个不同的簇。
在使用弯曲线法计算K-均值聚类的最优K值时，可以按照以下步骤进行：
- 首先，选择一个合适的K值范围，例如从2到10。
- 对于每个K值，执行K-均值聚类算法，并计算每个数据点到其所属簇的平方距离之和（也称为误差平方和，SSE）。
- 将每个K值对应的SSE绘制成一个曲线图。
- 观察曲线图，找到一个拐点，即曲线开始弯曲的位置。这个拐点对应的K值就是最优K值。
最优K值的选择是通过观察曲线图来进行判断的。当K值较小时，每个簇内的数据点之间的距离较小，SSE也较小。随着K值的增加，每个簇内的数据点之间的距离会增大，导致SSE增加。但是，当K值增加到一定程度时，每个簇内的数据点之间的距离的增加速度会减缓，导致SSE的增加速度减缓。这个拐点对应的K值就是最优K值，因为它能够在保持较低的SSE的同时，尽可能地划分出较多的簇。
K-均值聚类的最优K值选择是一个主观的过程，需要根据具体的数据集和应用场景来确定。在实际应用中，可以尝试不同的K值范围，并观察曲线图来选择最优K值。
腾讯云提供了一系列与聚类相关的产品和服务，例如：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）：提供了强大的机器学习和深度学习工具，可以用于聚类分析和模型训练。
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）：提供了数据分析和挖掘的工具和服务，可以用于聚类分析和数据可视化。
- 腾讯云大数据平台（https://cloud.tencent.com/product/emr）：提供了大数据处理和分析的工具和服务，可以用于处理大规模数据集的聚类分析。
以上是腾讯云提供的一些与聚类相关的产品和服务，可以根据具体需求选择适合的产品和服务来进行聚类分析。
相关·内容
1回答
我正在研究一种现有的算法，以提高其复杂性。现有的算法使用K-均值来执行聚类，而我选择使用K-均值++进行同样的聚类。
选择K-均值++是因为与K-均值相比，K均值聚类结果更快、更准确.
现在，在最后，我必须比较新算法和现有算法的复杂性，我发现我无法理解K-意思是++的复杂性是O(logk)竞争性。
我试着在网络上到处寻找解释，包括堆栈溢出。
我唯一理解的是，竞争与“在线”和“离线”算法有关。有谁能解释一下它在这里的应用吗？
浏览 2提问于2017-03-28得票数 3
回答已采纳
2回答
只是一个一般性的问题，我正试图在脑海中想象。我对使用k均值聚类相当陌生，以前在两个变量上使用过它，它创建了一个二维点图。我也知道，虽然我以前还没做过，但是你可以用x，y，z轴用三个变量绘制一个k均值集群。但是现在我的位置上有四个变量，它们的z分数标准化了，我不知道如何恰当地使用k-均值聚类。在这种情况下，我应该使用k均值集群吗？
谢谢
浏览 0提问于2019-06-27得票数 0
回答已采纳
3回答
K-均值聚类是一种常用的聚类方法.假设K-均值聚类有N个点，即N个点应划分为K个群，其中每个组中的点具有相似性。
在K-means clustering处理之前，我们应该给初始中心赋值，在这里，我从所有的点中随机选择K点，程序每次运行都得到不同的输出。为什么这会导致不同的结果，我如何知道哪一个是最好的分类？
浏览 5提问于2014-01-07得票数 4
回答已采纳
7回答
我想知道k均值聚类算法是否能做分类？
如果我做了一个简单的k-均值聚类。
假设我有很多数据，我使用k-均值聚类，然后得到2簇A，B，质心的计算方法是欧氏距离。
A组在左侧。
B组在右侧。
所以如果我有一个新的数据。我该怎么办？
再次运行k-均值聚类算法，并能得到新的数据属于哪个聚类？
记录最后一个质心，用欧氏距离来计算，确定新的数据是否属于？
其他方法？
浏览 5提问于2014-03-10得票数 22
回答已采纳
我读过一些关于粒子群算法的论文。它看起来和K-均值并没有太大的不同。我尝试使用粒子群算法进行聚类，但结果与K均值的结果基本相同，存在一些缺点，比如执行时间较长，并且由于随机因素造成的结果也有很多不同。
浏览 0提问于2019-05-25得票数 1
回答已采纳
2回答
K均值聚类和矢量量化有什么区别？
他们似乎非常相似。
我正在处理隐马尔可夫模型，我需要从特征向量中提取符号。
为了提取符号，我是做矢量量化还是k-均值聚类？
浏览 1提问于2012-01-26得票数 8
回答已采纳
3回答
比k均值聚类更精确的方法
、、、
在径向基函数网络(RBF网络)中，选择了隐层中的所有原型( RBF函数的中心向量)。此步骤可以通过以下几种方式执行：
中心可以从一些例子中随机抽样。
或者，它们可以用k均值聚类来确定.
智能选择原型的方法之一是在训练集上进行k均值聚类，并使用聚类中心作为原型。我们只知道k均值聚类的简单性(快速)，但不是很精确。
这就是为什么我想知道比k均值聚类更精确的另一种方法是什么？
任何帮助都将不胜感激。
浏览 7提问于2014-03-06得票数 1
回答已采纳
2回答
K均值聚类中的问题
、、、、
我试图用K均值聚类从CSV文件中对以下数据进行聚类。
Sample1,Sample2,45
Sample1,Sample3,69
Sample1,Sample4,12
Sample2,Sample2,46
Sample2,Sample1,78
它基本上是一个图，其中样本是节点，数字是边(权值)。
我阅读了该文件如下：
fileopening = fopen('data.csv', 'rU')
reading = csv.reader(fileopening, delimiter=',')
L = list(reading)
我使用了以下代码：
浏览 0提问于2014-07-25得票数 2
回答已采纳
1回答
我使用带随机初始化的k均值聚类来进行聚类识别.算法可以很好地处理好数据。但是如果我处理的数据有很多噪声，那么我的k均值算法就失去了它的鲁棒性，并为同一数据集上的每次运行提供了不同的解决方案。
因此，我决定改进我的k-均值聚类，以最小化Ward标准：
做标准的k-均值聚类
遍历点和所有簇，找到点P和组A和B，所以如果我把点P从A组移到B组，那么这种聚类的病房标准将是最小的。
如果找到这样的点，将其从A移动到B，更新集群中心并继续使用2
我用c++ 编写了这个算法。不过，问题是，这个方法是非常缓慢的，我所处理的问题是每组约有2万点。
你能给我一个更好的解决方案吗?或者你能帮我加
浏览 4提问于2014-05-26得票数 0
回答已采纳
1回答
对于香草K-均值聚类算法，我知道时间复杂度是：
时间复杂度: O(tknm)，
其中n是数据点数，k是簇数，t是迭代次数，m是向量的维数。
所以，当我研究小型批处理K-方法使算法更快地收敛时，我想知道它的时空复杂性是什么？
从本质上说，我很清楚，我们在香草K上优化了多少。
浏览 0提问于2017-05-17得票数 2
我正在研究K-均值，K-均值的一个重要缺点是对异常值缺乏鲁棒性。我的问题是:在某些情况下，对异常值缺乏鲁棒性可能被认为不是K-手段的缺陷，而是一种美德？
浏览 0提问于2018-10-07得票数 0
2回答
在主成分分析降维后，我想将K均值应用于聚类。在主成分分析之前，我已经用StandardScaler标准化了数据，然后我想训练Kmeans来找到簇。然而，PCA组分之间的差异不可能是相同的数量级。
聚类前对PCA组件进行标准化是一个很好的实践吗？
浏览 0提问于2019-06-13得票数 2
回答已采纳
2回答
我开始在weka中使用简单的k均值聚类。
在聚类之后，这个结果显示
迭代次数:9
在聚类平方误差之和中: 570.1974952009115
我的问题：
平方错误的总数很大，这是否意味着我的集群数目是错的？以及如何定义集群的乐观数量？
如何将数据分割成培训和测试集来评估绩效？以及如何知道正确的百分比？
如何测量SSB
浏览 13提问于2017-03-06得票数 0
回答已采纳
1回答
最近我一直在想核k均值和谱聚类算法及其区别。
我知道光谱聚类是一个更广泛的术语，不同的设置可能会影响它的工作方式，但一个流行的变体是使用K-均值聚类对亲和矩阵的谱嵌入。
另一方面，核K-均值直接将K-均值聚类应用于亲和矩阵.因此，一个直接的、理论上的不同之处在于它忽略了谱嵌入步骤，即它不寻找具有特征向量的数据的低维表示。
我认为在高维环境下它可能是有益的(有很多观测要聚在一起)，但是它能为小样本提供任何提升吗，例如从10到20个观测？
使用这两种算法对另一种算法的其他实际意义是什么(例如，哪种算法对亲和力的变化更敏感，等等)？
浏览 0提问于2020-01-09得票数 12
我采用k均值算法分割图像.我用的是k均值函数。它工作正常，但我想知道在k均值方法中将其转换为二进制图像的阈值。例如，我们可以通过在MATLAB中使用内置函数获得阈值：
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));
i
浏览 3提问于2017-08-14得票数 0
回答已采纳
9回答
聚类地理位置坐标(lat，长对)
、、、、
地理位置聚类的正确方法和聚类算法是什么？
我使用以下代码对地理位置坐标进行聚类：
import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans2, whiten
coordinates= np.array([
[lat, long],
[lat, long],
...
[lat, long]
])
x, y = kmeans2(whiten(coordinates), 3
浏览 0提问于2014-07-17得票数 66
回答已采纳
1回答
我对K-均值聚类技术非常陌生。我想用K-均值来计算BIC，找出最佳的K(簇数)。我环顾了一下网络，想在python中找到一个解决方案，但是除了之外，没有任何具体的例子，我不确定它是否正确。有什么想法吗？
浏览 1提问于2016-02-13得票数 0
回答已采纳
2回答
我想知道
当k-均值失败时，K-means最适合聚类哪种类型的数据？？对于哪种类型的数据集k-均值不能给出准确的答案？ COBWEB最适合于哪种类型的数据的聚类?当COBWEB失败时？对于哪种类型的数据集，COBWEB没有给出准确的答案？
浏览 4提问于2010-06-04得票数 2
2回答
我正在研究一个基于聚类的模型，我读过关于分层聚类和K-均值聚类的文章。
在什么条件下我应该选择聚类而不是K-均值聚类？
浏览 0提问于2021-03-26得票数 2
回答已采纳
2回答
具有多属性的数据点的K-均值聚类
、、、、
我对K-表示聚类很陌生。我看到的每一个例子都有一个二维数据集。
我正在努力将不同成分组成的食谱分类。每个菜谱都是由一些成分组成的，我想把彼此相似的食谱组合在一起。每个菜谱平均有8种配料。
有什么方法可以用K-均值聚类将这些菜谱组合在一起吗？或者你会建议另一种无监督的机器学习方法吗？
浏览 0提问于2020-02-04得票数 0
回答已采纳
2回答
我正在测试图像检索中的一些东西，我在考虑如何整理数据集的坏图片。例如，这里只有房子的照片，中间有一张人和一些汽车的照片。所以最后我只想买房子。目前，我的方法看起来是：
所有图片的计算描述符(Sift)
用k-均值聚类所有描述符
通过计算聚类中心与图像描述符之间的欧氏距离来创建图片的直方图。
再次对直方图进行聚类。
此刻，我有了第一类(这不是很好)。现在我的想法是用len(center) > 1把所有的图片聚集到一个中心，然后一次又一次地对它们进行聚类。因此，结果是，在一个中心的特定图片将被整理出来。也许这足以使结果再次符合相同的k-均值，而无需再次聚类？！
结果并
浏览 0提问于2013-09-10得票数 0
1回答
我有一个问题，决定算法的颜色量化。我想做颜色量化的图像是分辨率为512 x 512的RGB图像。我想减少像素中的颜色值，以减小图像大小。
我不想使用流行的算法k-方法。我找到了这个均值移位算法。
均值移位是一种聚类算法(与k均值相同)，它具有一定的质心和窗口(每个质心都有1)，在其窗口中寻找最密集的部分，然后将质心移动到最密集的部分。它会一直这样，直到它与另一个质心会聚，不再移动。
在颜色量化中可以使用均值偏移吗？因为k均值和均值移位都是聚类算法，但我发现的只是均值算法的图像分割和颜色量化的k均值？
浏览 0提问于2019-01-26得票数 1
1回答
我正在scala 0.9.0上运行k均值聚类，并试图了解数据如何分布在n个系统之间，以计算k中心数据点。
我理解什么是k-均值聚类，但我想知道数据是如何被划分的，计算是如何在分布式计算(map和reduce)上完成的。在这个scala版本中，KMeansDataGenerator可以选择将数据点生成为n个分区。每个从节点得到一个数据文件分区吗？
浏览 3提问于2014-04-07得票数 1
回答已采纳
我有大约40组文档，由k均值聚类算法和手工管理相结合来定义。例如，k均值给出的一些簇太吵，因此它们被进一步细分。
现在，我想为这些集群分配新的文档。
我发现可以使用基于tf的方法来提取关键字，就像前面提到的这里一样。
我的方法是使用基于tf的方法从这些集群中提取关键术语，我可以使用相同的方法从新文档中提取关键字。
我的问题是，如何将新文档分配给最相似的集群？
编辑:我没有足够的声誉来评论Marks的答案: kmeans的输入是所有文档的文档向量(来自doc2vec) --我得到了初始集群的质心，即centroids = kmeans_model.cluster_centers_。但是，我已经将
浏览 0提问于2018-12-14得票数 1
2回答
K均值聚类前的主成分分析
、、、、
如果我将PCA应用于特征向量，然后进行聚类，如下所示：
reduced_data = PCA(n_components=2).fit_transform(data)
kmeans = KMeans(init='k-means++', n_clusters=n_digits, n_init=10)
kmeans.fit(reduced_data)
减少的数据将是PCA的组成部分，所以在用k均值聚类之后，您可以得到每个点(reduced_data)的标签，如何从原始数据中知道哪一个点呢？
关于集群的数量，如何处理多个PCA组件？谢谢。
浏览 0提问于2017-02-27得票数 4
1回答
K-均值:只有两个最优簇
、、、
我在R中运行一个k -均值算法，试图找到最优的簇数k，利用剪影法、间隙统计量和肘形法，确定了最优簇数为2。虽然没有为企业预先定义集群，但我担心k=2不太有洞察力，这就引出了一些问题。
1)根据数据的自然聚类，最优k=2意味着什么？这是否意味着也许没有明确的集群，或者没有集群比任何集群更好？
2)在k=2时，R-平方值较低(.1).当k=5时，R-平方更好(.32).如果选择k=5，知道它不是最优的，那么它的确切取舍是什么？会不会是你可以增加集群，但它们可能不够清晰？
3)我的n=1000，我有100个变量可供选择，但仅从领域知识中选择5个变量。增加变量的数量一定会使聚类更好吗？
4)作为问题3
浏览 1提问于2018-03-06得票数 0
回答已采纳
2回答
标杆EM软聚类对K-均值？
、、、、
我有两种实现，一种是K-均值，另一种是EM进行软聚类。但我不知道如何验证它们的准确性。也就是说，通过检索更好的集群，哪一个表现得更好。我的假设是，因为EM做的是软赋值，而不是K-均值中的硬赋值。他们表现得更好，但我不知道怎么比较.
如何衡量EM软聚类对K-均值的准确性？对合成数据也有什么建议吗？
浏览 14提问于2014-07-21得票数 0
回答已采纳
我正在使用PySpark对数据集执行聚类。为了找到集群的数量，我对一系列值(2,20)执行了聚类，并为k的每个值找到了k(在集群内的平方和)值。在这里我发现了一些不寻常的东西。根据我的理解，当增加簇数时，wsse会单调地减少。但结果我却不这么说。我只显示前几个集群的wsse。
Results from spark
For k = 002 WSSE is 255318.793358
For k = 003 WSSE is 209788.479560
For k = 004 WSSE is 208498.351074
For k = 005 WSSE is 142573.272672
For k
浏览 1提问于2018-05-18得票数 4
回答已采纳
4回答
我试图用K均值方法进行聚类，但我想衡量一下集群的性能。
我不是专家，但我渴望了解更多关于聚类的知识。
这是我的代码：
import pandas as pd
from sklearn import datasets
#loading the dataset
iris = datasets.load_iris()
df = pd.DataFrame(iris.data)
#K-Means
from sklearn import cluster
k_means = cluster.KMeans(n_clusters=3)
k_means.fit(df) #K-means training
y_
浏览 12提问于2017-05-04得票数 17
1回答
在我想要聚类的对象之间有一组成对距离(在矩阵中)。我目前使用k-均值聚类(计算距离从质心到给定集群的所有成员的平均距离，因为我没有坐标)，在一个区间内，k由最佳Davies-Bouldin索引选择。
然而，我有三个单独的度量标准(将来可能会更多)描述数据之间的差异，每个指标在大小和传播方面都有很大的不同。目前，我用欧几里德距离计算三个度量指标之间的距离矩阵，但我相当肯定，这些度量之间的差异正在搞砸它(例如，最大的度量正在压倒其他度量)。
我认为处理这个问题的一个好方法是使用Mahalanobis距离来组合度量。但是，我显然不能计算坐标之间的协方差矩阵，但是我可以为距离度量计算它。这有道理吗？也
浏览 3提问于2014-05-20得票数 1
回答已采纳
如何在K-均值++聚类中找到适合度，以便显示输入与每个集群对齐的百分比。例如，输入A在第1组中为0.4，在第2组中为0.6。
浏览 3提问于2017-09-13得票数 0
回答已采纳
1回答
我需要在OpenCV中使用聚集层次聚类。当我搜索文档时，我发现了以下函数。但它使用了等级k-方法。K-均值是一种不同的技术。在理论上，我们研究了这两种不同的聚类技术。分层k-的意思与层次聚类有何不同？
我需要在图像中聚集一些特定的空间位置。结果用于某些对象的识别。
浏览 1提问于2015-02-23得票数 3
回答已采纳
1回答
我试图复制这论文的结果，但是使用python和HMMlearn库来代替matlab。本文介绍了一种利用隐马尔可夫模型( HMM )预测股票价格的方法。
本文详细介绍了用四态5混合高斯分布作为模型.转移概率和初始状态概率是一致的，但发射概率是根据现有股票价格数据集的k均值算法的结果来确定的。
后半部分是我陷入困境的地方，本文建议使用k-均值算法返回的每个聚类的均值、方差和权重作为混合算法每个组分的均值、方差和权重。据我所知，星系团的平均值只是每个质心的中心，但是我不知道你如何获得方差或权重。
给出一个三维数据集X(以[[a, b, c], [d, e, f]...]的形式)，并使用k-均值算法，
浏览 0提问于2016-04-28得票数 2
回答已采纳
3回答
何谓聚类的最佳k？(肘点图)
、、、、
我正在设法找到在首尔地铁站附近开咖啡店的最佳地点。
包括的特点如下：
某一车站的每月总发车量
靠近某一车站的租金
某一车站附近现有咖啡店的数目
我决定用肘尖来找出最好的k，在跑kmeans之前，我把所有的功能都标准化了。
现在弯头点似乎是k=3(或者可能是k=2)，但是我认为对于弯头点来说，SSE太高了。
此外，使用k=3时，很难从集群中获得洞察力，因为只有三个集群。
使用k=5是获得洞察力的最佳地点。
即使不是肘部点，使用k=5也是合理的吗？
或者一开始就不是一个好的选择？
浏览 6提问于2019-11-29得票数 4
回答已采纳
1回答
识别同一产品
、、
我对ML还是新手，而且还在学习。
我的问题是找出重复的产品。我有一个包含产品细节的数据集，如名称、颜色、大小、描述、特征等(大约有70列)。
我需要移除重复的产品。
我刚刚完成了一些监督的ML模型(分类和回归)和非监督聚类(K均值和HC)。我也在学习w2v和d2v的路上。
但是由于时间的限制，我需要给上面的问题陈述一个解决方案。我不知道该如何进行。
如有任何帮助和指导，将不胜感激。
浏览 0提问于2020-05-20得票数 0
我使用k均值算法对文档集进行聚类.
(参数为- clusters=8数，不同质心的运行次数=10)
文件数量为5800份。
令人惊讶的是，集群的结果是
90%的文档属于集群-7(最终集群) 9%的文档属于群集-0(第一组)。
其余6个簇只有一个样本。这可能是什么原因？
浏览 9提问于2014-11-07得票数 0
回答已采纳
1回答
我的问题：
我已经搜索了可用的Ruby宝石，以找到执行k均值聚类的宝石。我发现了很多：，，和。我的问题是，没有一个宝石处理一维k均值聚类。他们都期望得到这样的输入：
[[1, 2], [3, 4], [5, 6]]
我的输入如下：
[1, 2, 3, 4, 5, 6]
因此，我的问题是:如何使用Ruby执行一维k均值聚类？
上下文(我的任务)：
我有100个输入值：
0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0、0
浏览 1提问于2015-01-04得票数 0
回答已采纳
5回答
最近我遇到了这个面试问题(K-均值聚类解决方案).我想出的设计没有满足面试官的期望(简单地说，我没有得到这份工作，因为我在这个设计问题上输给了另一个候选人)。我想知道有多少不同的、有效的/简单的解决方案可以让SO社区想出(通过这样做，我希望能磨练我的技能)：
实现了一种简单的按体重和身高对人进行聚类的算法。数据集包括一张列有体重和身高的人的名单，如下所示：
Person Weight Height
(kg) (inches)
Person 1 70 70
Person 2 75 80
Person 3 120 85
浏览 8提问于2009-05-27得票数 1
1回答
我正在修安德鲁·吴的课程“在课程中学习机器”。在讨论聚类时，他告诉我们，K-均值聚类算法是应用最广泛的算法.我之前还使用了Kruskal的聚类算法，这是一种非常有效的基于路径压缩和基于秩的联合算法。什么使K-的意思比Kruskal的算法更好？
浏览 2提问于2020-06-01得票数 3
回答已采纳
1回答
我正在解决一个杂务问题。
我有一套100 observatons。每个观察用三个特征来描述。我必须将这些观察分为两组(我有每个观察的标签)。
在对观测数据进行聚类之前，我首先计算了观测值之间的pdist，然后使用MATLAB中的mdscale函数返回到三维。我使用transformed_observation作为k均值聚类算法的输入，与使用原始观测值相比，获得了更好的聚类结果(即，聚类与标签匹配)。任何人都能解释我为什么？我刚试过..。
在这里你可以找到我的脚步..。
% select the dimensions of my features
dimensions = 3;
% gener
浏览 1提问于2016-01-26得票数 0
回答已采纳
我们如何衡量K均值聚类算法(例如，生成混淆矩阵)的准确性，因为聚类的自动索引可能是原始标签的排列？
浏览 0提问于2020-10-15得票数 2
回答已采纳
1回答
聚类二进制数据
、、、、
我希望对以下数据执行聚类分析(示例)：
ID CODE1 CODE2 CODE3 CODE4 CODE5 CODE6
------------------------------------------------------------------
00001 0 1 1 0 0 0
00002 1 0 0 0 1 1
0000
浏览 3提问于2013-07-27得票数 3
回答已采纳
我正在尝试实现k均值聚类。
我有一组坐标(x，y)的点，我用欧几里德距离来求距离。我计算了矩阵中所有点之间的距离
I点与j点之间的距离
当我选择从Pt1到3最远的a1时。
然后，当我搜索距离3最远的时候，我可能会得到a3，但a1可能是最小的。
pt3远离pt3，但接近1。
因此，如何使用距离矩阵选择k个最远的点，。
浏览 4提问于2013-09-03得票数 0
1回答
我想使用k-均值聚类算法对一个连通的无向图(不是一个完整的图)进行聚类。我只看到k-均值在一个完整的图中被使用，但是我不确定是否有另一种方法可以将它应用到一个非完全图中。
这里有人知道这件事吗？如果k-均值不能应用于连通无向图，那么哪种算法对这类图进行聚类比较好？
提前谢谢！
浏览 7提问于2017-07-25得票数 1
回答已采纳
2回答
我得弄到k均值聚类的方法。目前，我正在使用ApacheCommons数学库，它实现了k均值加聚类算法。有谁知道，如果有一种简单的方法可以在使用这个库进行聚类之后获得该方法，或者让我自己实现它？
如果没有，你能解释我如何计算它或者给我一个代码示例吗？
浏览 2提问于2014-04-10得票数 0
回答已采纳
2回答
我在MATLAB中为基于质心的k-均值聚类创建了一个二维随机数据集(由点数据集和一列标签组成)，其中每个点用X和Y(点坐标)的向量表示，每个标签表示数据点集群，参见下图中的示例。
我在这些点数据集上应用了K均值聚类算法.我需要以下方面的帮助:我可以使用什么函数来评估K-均值算法的准确性？更详细的是:我的目标是通过与matlab的赋值数字进行比较，根据分配给出的标签正确识别多少个标签来对Kmeans算法进行评分。例如，我验证点(7.200592168，11.73878455)是否与点(6.951107307，11.27498898)分配给同一个集群.等。
浏览 7提问于2022-06-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
