algorithm - k均值聚类可以做分类吗？

Question

我想知道k-means聚类算法能不能做分类？

如果我做了一个简单的 k-means 聚类。

假设我有很多数据，我使用k-means聚类，然后得到2个聚类A，B。质心计算方法是欧氏距离。

左侧的集群 A。

右侧的集群 B。

所以，如果我有一个新数据。我该怎么办？

1. 再次运行k-means聚类算法，可以得到新数据属于哪个簇？

2. 记录最后一个质心并使用欧几里德距离计算确定新数据属于？

3. 其他方法？

Answer 1

最简单的方法当然是 2.，将每个对象分配给最近的质心(从技术上讲，使用平方和，而不是欧几里得距离；这对于 k-means 更正确，并且可以节省 sqrt 计算)。

方法 1. 很脆弱，因为 k-means 可能会给你一个完全不同的解决方案；特别是如果它一开始就不能很好地适合您的数据(例如维度太高、大小差异太大的簇、太多的簇……)

不过，下面的方法可能更合理:

<强>3。训练一个实际的分类器。

是的，您可以使用 k-means 生成初始分区，然后假设 k-means 分区可能是合理的类(您真的应该在某个时候验证这一点)，然后如果数据已被用户标记，则继续操作。

即运行 k-means，在生成的集群上训练 SVM。然后使用SVM进行分类。

k-NN 分类，甚至将每个对象分配到最近的聚类中心(选项 1)可以看作是非常简单的分类器。后者是 1NN 分类器，仅在簇质心上“训练”。