Matlab:kmeans 聚类给出了意想不到的聚类

Question

示例:

load kmeansdata %provides X variable
Y=bsxfun(@minus,X,mean(X,2))'/sqrt(size(X,2)-1); %normalized and means adjusted
[~,~,PC] = svd(Y); %
plot(PC(:,1),PC(:,2),'m.','markersize',15)

绘制前两列，您将得到看起来像 3 个簇的结果。我想使用 kmeans 来识别这些簇，并用不同的颜色绘制簇作为 prood。我尝试过:

[idx,cntrd] = kmeans(PC(:,1:2),3,'Distance','sqEuclidean');%,'Distance','correlation');

cluster=3;
Col = {'.b','.r','.g','.y','.m','.c','.k'}; % Cell array of colours.
figure;
hold on
for clus=1:cluster
  plot(PC(idx==clus,1),PC(idx==clus,2),Col{clus},'MarkerSize',12)  
end
plot(cntrd(:,1),cntrd(:,2),'kx','MarkerSize',15,'LineWidth',3) %plotting the centroids of the clusters

簇质心已关闭，颜色也不是我所期望的。有人可以帮忙吗？

编辑:有点回答:

我从 mathworks 网站复制了此代码并替换了我的 kmeans 行:

opts = statset('Display','final');
[idx,C] = kmeans(PC(:,1:2),3,'Distance','cityblock',...
    'Replicates',5,'Options',opts);

它似乎有效，但我不太明白 opts 的作用。我认为，复制只是重复 kmeans 5 次，并为质心选择某种平均值。我还重新启动了 matlab，以防出现某种故障

编辑:忽略上面:

我认为问题已解决，因此我尝试寻找合适的 k 值。我输入 k=1，运行所有内容，然后 k=2，然后 k=3，我发现我又犯了同样的错误

Answer 1

kmeans 可能对初始质心位置敏感。问题似乎在于用于选择起点的算法。例如，您可以通过运行以下命令获得预期的答案:

[idx,cntrd] = kmeans(PC(:,1:2),3, 'start', [-0.05 0; 0 0; 0.05  0]);

外表也可能具有欺骗性。在这种情况下，数据的离散度在 x 和 y 维度上不相等。因此，对于某些点对，视觉簇之间的欧几里德距离不像簇内的那么远。

您可以考虑对此数据使用混合高斯分布模型。