kmeans分类到预定的质心

我想分配数据点（通过欧几里得距离）到已知的，预定义的一组中心点，将点分配给最接近的固定中心点。kmeans分类到预定的质心

我有这种感觉，我可能过于复杂/缺少一些基本的东西，但我试图用kmeans实现与预定的中心和没有迭代做到这一点。然而，按照下面的代码，可能是因为算法会做一次迭代，这不起作用（美元中心已“移动”，并不等于原来的质心）

是否有另一种简单的分配方式矩阵X中的点到最近的中心？

提前许多感谢，W

x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2), matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2)) 
colnames(x) <- c("x", "y") 

vector=c(0.25,0.5,0.75,1) 
ccenters <- as.matrix(cbind(vector,vector)) 
colnames(ccenters) <- c("x", "y") 
ccenters 

(cl <- kmeans(x, centers=ccenters,iter.max=1)) 
plot(x, col = cl$cluster) 
points(cl$centers, col = 1:4, pch = 8, cex = 2) 
cl$centers 
cl$centers==ccenters

来源

2013-04-29 user1885116

您可以直接计算出每个点与各中心和看看最近的中心之间的距离。

# All the distances (you could also use a loop) 
distances <- outer( 
    1:nrow(x), 
    1:nrow(ccenters), 
    Vectorize(function(i,j) { 
    sum((x[i,] - ccenters[j,])^2) 
    }) 
) 

# Find the nearest cluster 
clusters <- apply(distances, 1, which.min) 

# Plot 
plot(x, col=clusters, pch=15) 
segments(ccenters[clusters,1], ccenters[clusters,2], x[,1], x[,2], col=clusters)

来源

2013-04-29 16:42:18

kmeans分类到预定的质心

回答

相关问题