我正在使用Accord.net library做一些聚类工作。最终,我试图找到the elbow method需要一些相对简单的计算使用的群集的最佳数量。但是,我很难得到我需要的值,以便确定在我的KMeans
建模中使用的最佳数K。使用Accord.net获取从数据点到其质心的距离
我有一些示例数据/代码:
open Accord
open Accord.Math
open Accord.MachineLearning
open Accord.Statistics
open Accord.Statistics.Analysis
let x = [|
[|4.0; 1.0; 1.0; 2.0|];
[|2.0; 4.0; 1.0; 2.0|];
[|2.0; 3.0; 1.0; 1.0|];
[|3.0; 6.0; 2.0; 1.0|];
[|4.0; 4.0; 1.0; 1.0|];
[|5.0; 10.0; 1.0; 2.0|];
[|7.0; 8.0; 1.0; 2.0|];
[|6.0; 5.0; 1.0; 1.0|];
[|7.0; 7.0; 2.0; 1.0|];
[|5.0; 8.0; 1.0; 1.0|];
[|4.0; 1.0; 1.0; 2.0|];
[|3.0; 5.0; 0.0; 3.0|];
[|1.0; 2.0; 0.0; 0.0|];
[|4.0; 7.0; 1.0; 2.0|];
[|5.0; 3.0; 2.0; 0.0|];
[|4.0; 11.0; 0.0; 3.0|];
[|8.0; 7.0; 2.0; 1.0|];
[|5.0; 6.0; 0.0; 2.0|];
[|8.0; 6.0; 3.0; 0.0|];
[|4.0; 9.0; 0.0; 2.0|]
|]
,我可以生成簇很轻松地与
let kmeans = new KMeans 5
let kmeansMod = kmeans.Learn x
let clusters = kmeansMod.Decide x
,但我怎么能计算出从任何给定的数据点x
到它的距离分配的集群?我没有看到KMeans
Cluster Collection class documentation中的任何内容,这表明已经为此问题实施了一种方法。
它似乎应该是相对简单的计算这个距离,但我很茫然。难道是因为做这样的事情
let dataAndClusters = Array.zip clusters x
let getCentroid (m: KMeansClusterCollection) (i: int) =
m.Centroids.[i]
dataAndClusters
|> Array.map (fun (c, d) -> (c, (getCentroid kmeansMod c)
|> Array.map2 (-) d
|> Array.sum))
返回
val it : (int * float) [] =
[|(1, 0.8); (0, -1.5); (1, -0.2); (0, 1.5); (0, -0.5); (4, 0.0); (2, 1.4);
(2, -3.6); (2, 0.4); (3, 0.75); (1, 0.8); (0, 0.5); (1, -4.2); (3, -0.25);
(1, 2.8); (4, 0.0); (2, 1.4); (3, -1.25); (2, 0.4); (3, 0.75)|]
我是不是正确地计算这个距离,容易吗?我怀疑不是。
正如我所提到的,我期待确定在KMeans
聚类中使用的K
的正确数量。我只是认为我会使用the second paragraph of this Stats.StackExchange.com answer中列出的简单算法。 请注意,我不反对使用顶部答案底部的“差距统计”。
您应该能够使用Scores()方法而不是Decide()计算距离其最近的集群的距离。 – Cesar