c++ - VLFeat kmeans C API 解释

Question

我正在尝试使用 VLFeat's kmeans implementation in C但我很难理解它是如何工作的。

注意:我在 C++ 程序中使用 C API，所以我在这里发布的任何代码都是 C++。此外，我使用的是 Eigean header 库，因此那些 Matrix 数据类型来自于此。

示例和 API 中不清楚的地方是:

1. 数据必须采用什么格式？ kmeans 库函数似乎需要一个一维数组，它可以从矩阵的支持中获取。但是，这个矩阵需要列主还是行主？也就是说，函数如何知道区分数据的维度和不同的数据 vector ？
2. 我如何实际访问集群中心信息？我运行了一个测试，声明我想要 5 个集群，但使用上面链接中的示例代码，我只返回 1 个。

代码:

int numData = 1000;
int dims = 10;
// Use float data and the L1 distance for clustering
VlKMeans * kmeans = vl_kmeans_new (VL_TYPE_FLOAT,  VlDistanceL1) ;
// Use Lloyd algorithm
vl_kmeans_set_algorithm (kmeans, VlKMeansLloyd) ;
// Initialize the cluster centers by randomly sampling the data
Matrix<float, 1000,10, RowMajor> data = buildData(numData, dims);
vl_kmeans_init_centers_with_rand_data (kmeans, data.data(), dims, numData, 5);
// Run at most 100 iterations of cluster refinement using Lloyd algorithm
vl_kmeans_set_max_num_iterations (kmeans, 100) ;
vl_kmeans_refine_centers (kmeans, &data, numData) ;
// Obtain the energy of the solution
energy = vl_kmeans_get_energy(kmeans) ;
// Obtain the cluster centers
centers = (double*)vl_kmeans_get_centers(kmeans);
cout << *centers << endl;

示例输出:中心 = 0.0376879(标量)

如何获得所有中心？我尝试使用数组来存储中心，但它不接受该类型。

我还尝试了以下方法，假设我可能只是错误地访问了中心信息:

cout << centers[0]<< endl;
cout << centers[1]<< endl;
cout << centers[2]<< endl;
cout << centers[3]<< endl;
cout << centers[4]<< endl;
cout << centers[5]<< endl;
cout << centers[6]<< endl;
cout << centers[7]<< endl;
cout << centers[8]<< endl;

但我应该只为索引 0-4(给定 5 个聚类中心)设置非零值。我实际上希望为更高的索引抛出异常。如果这是正确的方法，有人可以向我解释这些其他值(索引 5-8)的来源吗？

我敢肯定还有其他令人困惑的部分，但我什至还没有解决它们，因为我一直停留在这两个非常重要的部分(我的意思是，如果你不能正确地聚类，那么 kmeans 是什么开始)。

预先感谢您的帮助!

Answer 1

What format does the data have to be in?

manual说:

所有算法都支持float 或double 数据，并且可以使用 l1 或 l2 距离进行聚类。

您在创建 kmeans 句柄时指定，例如:

VlKMeans *kmeans = vl_kmeans_new(VL_TYPE_FLOAT, VlDistanceL2);

does this matrix need to be column major or row major?

它必须在 row major 中，即:data + dimension * i 是第 i 个中心。

How do I actually access the cluster center info?

使用 vl_kmeans_get_centers。例如，如果您使用 float-s:

/* no need to cast here since get centers returns a `void *` */
const float *centers = vl_kmeans_get_centers(kmeans);

(请参阅此 answer 关于类型转换)

此数组的总大小(以字节为单位)为 sizeof(float) * dimension * numCenters。如果你想打印出你可以做的中心:

int i, j;
for (i = 0; i < numCenters; i++) {
  printf("center # %d:\n", i);
  for (j = 0; j < dimension; j++) {
    printf("    coord[%d] = %f\n", j, centers[dimension * i + j]);
  }
}