- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 kmeans 对我的数据进行聚类,对于生成的结果我有一个计划。
我想根据有序中心重新标记样本。考虑以下示例:
a = c("a","b","c","d","e","F","i","j","k","l","m","n")
b = c(1,2,3,20,21,21,40,41,42,4,23,50)
mydata = data.frame(id=a,amount=b)
result = kmeans(mydata$amount,3,nstart=10)
结果如下:
clus$cluster
2 2 2 3 3 3 1 1 1 2 3 1
clus$centers
1 43.25
2 2.50
3 21.25
mydata = data.frame(mydata,label =clus$cluster)
mydata
id amount label
1 a 1 2
2 b 2 2
3 c 3 2
4 d 20 3
5 e 21 3
6 F 21 3
7 i 40 1
8 j 41 1
9 k 42 1
10 l 4 2
11 m 23 3
12 n 50 1
我正在寻找的是对中心进行排序并相应地生成标签:
1 2.50
2 21.25
3 43.25
并标记样本将要:
1 1 1 2 2 2 3 3 3 1 2 3
结果应该是:
id amount label
1 a 1 1
2 b 2 1
3 c 3 1
4 d 20 2
5 e 21 2
6 F 21 2
7 i 40 3
8 j 41 3
9 k 42 3
10 l 4 1
11 m 23 2
12 n 50 3
我认为可以通过对中心进行排序并为每个样本采用样本与中心的最小距离索引作为该集群的标签来做到这一点。
还有其他方法可以让 R 自动完成吗?
最佳答案
一个想法是通过将您的中心与排序的中心匹配来创建一个命名向量。然后将向量与 mydata$label
匹配并替换为向量的名称,即
i1 <- setNames(match(sort(result$centers), result$centers), rownames(result$centers))
as.numeric(names(i1)[match(mydata$label, i1)])
# [1] 1 1 1 2 2 2 3 3 3 1 2 3
关于考虑到中心的顺序,在 kmean 结果中重新标记样本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48182601/
你好,stackoverflow 社区, 我在运行 kmeans (统计数据包)和 Kmeans (amap 包)在 Iris 数据集上。在这两种情况下,我使用相同的算法(Lloyd–Forgy)、相
我想将KMeans应用于具有Alpha蒙版的图像。它应该只对可见的颜色起作用。我希望能写成一行。起始图:。。天真地使用KMeans(哎呀,都是一种颜色):。。做实验。浏览所有Alpha选项。-Alph
我想将KMeans应用于具有Alpha蒙版的图像。它应该只对可见的颜色起作用。我希望能写成一行。起始图:。。天真地使用KMeans(哎呀,都是一种颜色):。。做实验。浏览所有Alpha选项。-Alph
在对一些具有 3 个簇的向量进行 K 均值拟合时,我能够获取输入数据的标签。KMeans.cluster_centers_ 返回中心的坐标,所以不应该有一些与之对应的向量吗?如何找到这些簇的质心处的值
我正在使用视频中的 kmeans 聚类技术,但我不明白为什么我们在 kmeans 聚类中使用 .fit 方法? kmeans = KMeans(n_clusters=5, random_state=0
MATLAB K-means 给出图像的准确结果,而使用 OpenCV c++ 的 k-means 不给出相同的结果,即使参数相同。实现上有什么不同吗? 最佳答案 Matlab 的 kmeans fu
我正在使用 scikit learn 的 Kmeans 算法对评论进行聚类。 sentence_list=['hello how are you', "I am doing great", "my n
来自 sklearn KMeans 的文档 class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_it
我尝试使用 scikit-learn 实现并行运行 KMeans,但我不断收到以下错误消息: Traceback (most recent call last): File "run_kmeans
前言 K-means是一种经典的无监督学习算法,用于对数据进行聚类。K-means算法将数据集视为具有n个特征的n维空间,并尝试通过最小化簇内平方误差的总和来将数据点划分为簇。本文将介绍K-m
所以按照文档中的示例 (here): The KElbowVisualizer implements the “elbow” method to help data scientists select
我试图将数据点(通过欧几里得距离)分配给一组已知的、预定义的中心点,将点分配给最近的固定中心点。 我有一种感觉,我可能过于复杂/遗漏了一些基本的东西,但我已经尝试使用具有预定中心且没有迭代的 kmea
我想知道其他人在用 K-means 集群排序做什么。我正在制作热图(主要是 ChIP-Seq 数据)并使用自定义热图函数(基于 R 的内置热图函数)获得漂亮的数字。但是,我想要两个改进。第一个是根据递
我正在尝试用 Java 实现 KMeans,但遇到了一个导致所有结果都丢失的情况。当给定一些随机选择的初始化质心,数据进入其中一个质心实际上并未定义簇的状态时,就会发生这种情况。例如,如果 K=3,则
示例: load kmeansdata %provides X variable Y=bsxfun(@minus,X,mean(X,2))'/sqrt(size(X,2)-1); %normalize
我正在大数据集上运行 k-means。我是这样设置的: from sklearn.cluster import KMeans km = KMeans(n_clusters=500, max_iter
我有一组包含 50 个特征(c1、c2、c3 ...)的数据,超过 80k 行。 每行包含标准化数值(范围 0-1)。它实际上是一个标准化的虚拟变量,其中一些行只有很少的特征,3-4(即如果没有值则分
我想对我的数据集的特定列执行 K 均值。由于这些是分类数据,我计划对其进行 onehot_encoding。现在我想知道是否可以对特定列进行 K-means 并显示所有列的结果(例如一组)? 例如,我
使用 K 均值聚类生成 K 个簇,我们如何计算每个簇的面积?有公式吗? 我已经尝试过 gArea() 与 rgeos 包,但我收到错误代码“ unable to find an inherited m
我知道下定义的 KMeans 算法需要特征缩放sklearn.cluster.KMeans 我的问题是,在使用 KMeans 之前是否需要手动完成,或者 KMeans 是否会自动执行特征缩放?如果是自
我是一名优秀的程序员,十分优秀!