- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我一直在努力了解如何将 k 均值聚类应用于公司列表的一小部分数据。
给出了均值和标准差,以便我可以确定归一化数据。
例如,我有以下内容:
根据我对 k 均值聚类的理解,我必须随机找到质心,其中 k = 3。我必须不断调整质心位置,直到不再可能移动为止,即数据在一定时间后保持不变结果得到满足。
我在将这些程序应用于我的数据集时遇到困难。我已经观看并搜索了许多有关如何逐步完成此操作的示例,但我没有取得任何成功让我理解。
基本上我想做的是在每次调整质心时显示一个散点图。
我认为我必须使用欧氏距离算法计算两个数据项之间的距离,但这是否意味着 z-score sales 和 z-score fuel 之间的距离,或者什么?这就是为什么我迷路了,即使在我通读了大约十二个 powerpoint 并观看了多个视频之后也是如此。
这似乎是我遇到的最好的例子,但即便如此,我仍然有点迷茫,因为我的例子与介绍的例子略有不同:http://www.indiana.edu/~dll/Q530/Q530_kk.pdf
我取得的最大进步是遇到了各种数据挖掘软件,例如 WEKA、Orange、各种 Excel 插件(例如 XLMiner 等)。但是,它们似乎提供的是最终结果,而不是过程需要到达那里。
感谢任何帮助。如果需要更多信息,请告诉我。
谢谢。
编辑:我找到了更多解决方案,并认为我应该添加到事件中,以防有人遇到同样的问题。
1) 我使用此视频中提到的 Excel 公式计算了欧氏距离:http://www.lynda.com/Excel-tutorials/Calculating-distance-centroid/165438/175003-4.html
公式如下所示:=SQRT((B28-$B$52)^2+(C28-$C$52)^2)
请记住,每个单元格代表您的位置包含数据。
在这种情况下,我的细胞列在此处的图像中:http://i.imgur.com/W44km64.png
这给了我下表:http://i.imgur.com/miTiVj5.png
最佳答案
您的流程是正确的。就我个人而言,我会将您的数据视为 2D,只是销售和燃料成本的 (x,y)...尽管您可以使用所有 4 个点,而只使用 4D 点。
第 1 步:选择随机中心(其中 3 个为 c_1、c_2、c_3),或者将您的数据分成 3 个随机聚类。如果您将数据随机分成 3 个簇,则计算每个簇中所有点的平均值。这三个手段成为三个中心。 (这里的意思是,我指的是每个坐标的平均值......将它们视为向量并对向量进行平均。)
第 2 步:每个中心代表三个集群之一。对于每个点,计算到每个中心的距离(这可以是欧几里得距离,或任何其他距离度量)。每个点都被移动到中心最近的集群中。 IE。如果点 i 最接近中心 j,那么无论我在哪个聚类点,它都会移动到聚类 j。跟踪是否有任何点移动到新的集群。这用作步骤 3 中停止条件的一部分。
第 3 步:在所有点都移动到离它们最近的集群后,通过对每个集群中的所有点进行平均来重新计算中心。然后,回到 2 并重复,直到没有点改变它们所在的簇。
关于algorithm - 在 Z 分数归一化数据上应用 K 均值聚类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29736920/
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我们可以说 O(K + (N-K)logK)相当于O(K + N logK)对于 1 < = K <= N ? 最佳答案 简短的回答是它们不等价,这取决于k 的值。如果k等于N,那么第一个复杂度是O(
我有以下解决方案,但我从其他评论者那里听说它是 O(N * K * K),而不是 O(N * K)其中 N 是 K 列表的(最大)长度,K 是列表的数量。例如,给定列表 [1, 2, 3] 和 [4,
我试图理解这些语法结构之间的语义差异。 if ((i% k) == (l % k) == 0) 和 if ((i % k) == 0 && (l % k) == 0) 最佳答案 您的特定表达式((i
我有时会使用一维数组: A = np.array([1, 2, 3, 4]) 或 2D 阵列(使用 scipy.io.wavfile 读取单声道或立体声信号): A = np.array([[1, 2
在文档聚类过程中,作为数据预处理步骤,我首先应用奇异向量分解得到U、S和Vt 然后通过选择适当数量的特征值,我截断了 Vt,这让我从阅读的内容中得到了很好的文档-文档相关性 here .现在我正在对矩
我问的是关于 Top K 算法的问题。我认为 O(n + k log n) 应该更快,因为……例如,如果您尝试插入 k = 300 和 n = 100000000,我们可以看到 O(n + k log
这个问题与另一个问题R:sample()密切相关。 。我想在 R 中找到一种方法来列出 k 个数字的所有排列,总和为 k,其中每个数字都是从 0:k 中选择的。如果k=7,我可以从0,1,...,7中
我目前正在评估基于隐式反馈的推荐系统。我对排名任务的评估指标有点困惑。具体来说,我希望通过精确度和召回率来进行评估。 Precision@k has the advantage of not requ
我在 Python 中工作,需要找到一种算法来生成所有可能的 n 维 k,k,...,k 数组,每个数组都沿轴有一行 1。因此,该函数接受两个数字 - n 和 k,并且应该返回一个数组列表,其中包含沿
我们有 N 对。每对包含两个数字。我们必须找到最大数 K,这样如果我们从给定的 N 对中取 J (1 2,如果我们选择三对 (1,2),我们只有两个不同的数字,即 1 和 2。 从一个开始检查每个可能
鉴于以下问题,我不能完全确定我当前的解决方案: 问题: 给定一个包含 n 元素的最大堆,它存储在数组 A 中,是否可以打印所有最大的 K 元素在 O(K*log(K)) 中? 我的回答: 是的,是的,
我明白了: val vector: RDD[(String, Array[String])] = [("a", {v1,v2,..}),("b", {u1,u2,..})] 想转换成: RDD[(St
我有 X 个正数,索引为 x_i。每个 x_i 需要进入 K 组之一(其中 K 是预先确定的)。令 S_j 为 K_j 中所有 x_i 的总和。我需要分配所有 x_i 以使所有 S_j 的方差最小化。
关闭。这个问题是not reproducible or was caused by typos .它目前不接受答案。 这个问题是由于错别字或无法再重现的问题引起的。虽然类似的问题可能是on-topi
我正在研究寻找原始数的算法,看到下面的语句,我不明白为什么。 while (k*k <= n) 优于 while (k <= Math.sqrt(n)) 是因为函数调用吗?该调用函数使用更多资源。 更
我想找到一种尽可能快的方法来将两个小 bool 矩阵相乘,其中小意味着 8x8、9x9 ... 16x16。这个例程会被大量使用,所以需要非常高效,所以请不要建议直截了当的解决方案应该足够快。 对于
有没有一种惯用的方法来获取 Set和 Function ,并获得 Map实时取景? (即 Map 由 Set 和 Function 组合支持,例如,如果将元素添加到 Set ,则相应的条目也存在于 M
这个问题在这里已经有了答案: Can a local variable's memory be accessed outside its scope? (20 个答案) returning addr
给定一个矩阵:- k = [1 2 3 ; 4 5 6 ; 7 8 NaN]; 如果我想用 0 替换一个数字,比如 2,我可以使用这个:k(k==2) =
我是一名优秀的程序员,十分优秀!