1回答
我想自动完成，所以必须尝试两个变量的所有可能组合，并且只返回最好的一个。
我如何在R中做到这一点？您可以使用Iris数据集作为示例。
浏览 18提问于2019-11-14得票数 1
回答已采纳
1回答
按照的说法，k-指的是shape=的矩阵(n_samples，n_features)。但我提供了shape=(n_samples，n_samples)的距离矩阵，其中每个索引保存两个字符串之间的距离。当我用距离矩阵进行聚类时，它得到了很好的结果。可能的原因是什么？据我所知，K-medoid是一个与距离矩阵工作的。
浏览 2提问于2017-04-20得票数 5
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
1回答
我使用的是。我在r-tree boost中添加了10万个点。现在，我想像这个一样对我的点进行聚类和分组。似乎我应该从点数来计算k-均值。如何从r-tree点几何中计算k-均值？
浏览 17提问于2018-03-04得票数 0
回答已采纳
我阅读了关于这个主题的文章，比如如何根据文档的相似性对文档进行集群。但我还是不明白它是如何实现的。我的测试是，我有10个文档的cos相似性度量。如果我指定集群的数量，该如何做呢？如果我不指定集群的数量，算法能否自动对这些文档进行聚类，如何实现呢？提前谢谢。
浏览 2提问于2015-02-15得票数 1
回答已采纳
为了处理集群模型的分类变量，我创建了虚拟变量。然而，我觉得这会对这些虚拟变量产生更高的重要性，因为多个虚拟变量代表一个范畴变量。现在，我的机场变量似乎是温度变量的4倍，集群主要是基于机场变量。
我的问题是，我希望所有变量都具有同样的重要性。有办法这样做吗？我想用一种不同的方式来缩放变量，但我不知道如何对它们进行缩放，以使它们具有同样的重要性。
浏览 0提问于2019-04-16得票数 6
回答已采纳
1回答
我理解为什么k-m会被困在局部的最小值中.。现在，我很想知道谱k是如何帮助避免这个局部极小问题的。根据本文的光谱教程，谱算法遵循以下方式用高斯核K或邻接矩阵定义亲和矩阵A求解特征值问题在第6步中，它使用k-方法.它如何克服<
浏览 0提问于2022-04-09得票数 1
回答已采纳
我想把重叠点(用红色圈起来的)聚在一起，但是，我希望忽略所有其他不重叠的点(没有用红色圈起来的点)。我不能使用K-表示聚类，因为这会对所有的点进行聚类，包括我想被忽略的点。我在想我该怎么做。
浏览 0提问于2019-01-27得票数 0
回答已采纳
2回答
我正在看一个计算机视觉应用程序，在那里我试图分析某一组颜色与另一种颜色形成的边缘的强度。为此，我拍摄了两种颜色相互重叠的图像，并记录了一对颜色的边缘强度(通过Canny边缘检测得到的归一化值)。基于这个边缘强度数据，我想将使用的颜色聚到一个k个簇中(k是已知的，但是是任意的)。将颜色分组，使边缘强度较低的颜色对聚在一起，边缘强度较高的颜色对最终形成不同的簇。例如，如果白色和黄色具有
浏览 5提问于2015-04-19得票数 1
回答已采纳
1回答
我正在尝试创建Jaccard距离矩阵并在其上执行K-means，以给出集群in和集群中元素的in。它的输入是推特推特。下面是代码，我无法理解如何使用文件中的初始种子。
浏览 1提问于2016-11-29得票数 4
1回答
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..。
浏览 1提问于2016-01-26得票数 0
回答已采纳
3回答
我必须根据两点之间的距离来形成集群。现在两个不同点之间的距离是=ACOS(SIN(lat1)*SIN(lat2)+COS(lat1)*COS(lat2)*COS(lon2-lon1))*6371
我想在R中使用k均值，在这个过程中，有什么方法可以超越距离计算吗
浏览 6提问于2013-12-18得票数 3
回答已采纳
2回答
我有以下数据集：https://www.kaggle.com/carolzhangdc/imdb-5000-movie-dataset
我想要找到的是基于每个国家的imdb得分的集群。我已经创建了一个熊猫数据框架，其中包含每个国家的每一个独特的类型，平均imdb评级。不管怎样，我能实现我想要的吗？
浏览 0提问于2019-04-02得票数 2
回答已采纳
1回答
特征中两个矩阵的两两差
、、、
在matlab/octave中，矩阵之间的成对距离(如k-均值)由一个函数调用(参见)计算，以distFunc(Codebook, X)为参数，维数为KxD的两个矩阵。在Eigen中，这可以通过广播对矩阵和一个向量进行，就像在上解释的那样然而，在这种情况下在本征中，计算两个矩阵之间所有条目的这种
浏览 4提问于2013-10-09得票数 3
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：
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
浏览 4提问于2014-05-26得票数 0
回答已采纳
我想在K-均值算法中使用Mahalanobis距离，因为我有4个高度相关的变量(0.85)问题是我不知道如何用K均值算法在R中实现它。我尝试了经典的kmeans，在标准化数据上使用了欧几里得距离，但是正如我所说的，有太多的相关性。fit <- kmeans(mydata.standardize，4)
我还试图找到一个距离参数，但我认为kmeans()函数
浏览 5提问于2013-04-29得票数 3
回答已采纳
1.5478380 0.6823836 -1.06189475 0.9271628 1.3399865 -1.061894
人口数据可能以数百万人为单位，因此我不想使用频率方法(即多次复制行的“我是否仍然可以将这个“权重”变量合并到k-均值聚类
浏览 0提问于2016-03-22得票数 0
回答已采纳
Ran K-通过根据剪影索引选择簇数将维度降到2。K-表示pca减少的数据提供了更好的聚类。有什么办法可以让我用这个集群来解释吗？就像从pca分配聚类标签一样，将数据减少到原始数据
原始数据上的K-均值和pca上的K-均值是如何不同的？我知道pca会将数据减少到我选择的两个dims，并且保留了最大方差的<
浏览 0提问于2020-01-21得票数 3
1回答
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。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。
浏览 2提问于2017-03-28得票数 3
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
