algorithm - 在 Z 分数归一化数据上应用 K 均值聚类

Question

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

---

Answer 1

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。