c++ - 如何创建n维测试数据进行聚类分析？

Question

我正在研究 k-means 的 C++ 实现，因此我需要 n 维测试数据。对于一开始，2D 点就足够了，因为它们可以很容易地在 2D 图像中可视化，但我最终更喜欢支持 n 维的通用方法。

有an answer在 stackoverflow 上，它提议将具有不同偏移量和分布的随机数的顺序 vector 连接起来，但我不确定如何创建它们，尤其是在不包含第 3 方库的情况下。

下面是我到目前为止的方法声明，它包含应该变化的参数。但如有必要，可以更改 - 除了 data 外，它需要是指针类型，因为我使用的是 OpenCL。

auto populateTestData(float** data, uint8_t dimension, uint8_t clusters, uint32_t elements) -> void;

---

我想到的另一个问题是在生成随机数时如何有效地检测/避免冲突。这难道不是性能瓶颈吗？如果一个人在 1M 值的域中生成 100k 个数字，即如果生成的数字和数字空间之间的关系不够小？

---

问题如何高效创建n维测试数据进行聚类分析？我需要遵循哪些概念？

Answer 1

可以使用 c++11(或 boost)随机的东西来创建集群，但这需要一些工作。

1. std::normal_distribution 可以生成零均值的单变量正态分布。

2. 使用 1. 您可以从法 vector 采样(只需创建此类样本的 n 维 vector )。

3. 如果您从 2. 中提取一个 vector n 并输出 A n + b，那么您已经变换了中心 b 离开 + 由 A 修改。 (特别是，对于 2 维和 3 维，很容易将 A 构建为旋转矩阵。)因此，重复采样 2. 并执行此转换可以获得以 b .

4. 选择 k 对 A，b，并生成您的 k 簇。

---

注意事项

• 您可以使用不同类型的 A 矩阵生成不同的聚类场景。例如，如果 A 是一个非长度保留矩阵乘以一个旋转矩阵，那么您可以获得“抛物面”簇(让它们沿着连接中心的 vector 变宽实际上很有趣)。

• 您可以生成硬编码的“中心” vector b，或者使用与上面的 x vector 类似的分布(尽管可能是统一的，使用this ).