먼 먼 무게 중심을 찾는 것은 여기 kmeans 알고리즘을 사용하는 방법에 대한 예입니다 kmeans

Question

를 사용하여 클러스터링 :이 예에서는 http://mnemstudio.org/clustering-k-means-example-1.htm

는, 저자는 유클리드 거리 측정을 사용하여 초기 무게 중심 "멀리 떨어져 두 사람 (으로 사용) "라고 말했다.

두 개의 클러스터가 아니라 10 개가 필요한 경우 어떻게해야합니까? 첫 번째 10 센티 로이드는 어떻게 선택합니까? 10 명의 개인을 가장 멀리 선택하는 방법이 있습니까? 아니면 다른 방법으로 선택해야합니까?

추신 : 내 경우에는 랜든 선택을 사용하면 좋지 않을 것이라고 생각합니다. 또한 나는 처음 10 명의 개인을 중심으로 사용하려고 노력해 왔지만 그들을 선택할 수있는 더 나은 방법을 찾고 있습니다.

Answer 1

K를 가장 멀리 떨어져있는 엔티티를 초기 중심으로 선택하는 것은 다소 위험합니다. 실세계 데이터 세트는 특이점을 갖는 경향이 있으며, 접근 방식에서는 초기 중심 값으로 선택됩니다.

K-Means에는 많은 초기화 알고리즘이 있습니다. 아마도 지능형 K-Means를보고 싶을 것입니다.

Answer 2

초기 중심선을 선택하는 가장 일반적인 방법은 kmeans ++ http://en.wikipedia.org/wiki/K-means%2B%2B 을 사용하는 것입니다. 이론적 인 성능 보장.

http://ilpubs.stanford.edu:8090/778/1/2006-13.pdf

많은 파이썬 클러스터링 패키지에는 mlpy, scipy KMeans 등이 초기화를 구현합니다. 하지만 나는 자바에 대해 모른다.