kmeans
k聚类则
语法
描述
例子
训练k——聚类算法
集群的数据使用k-表示聚类，然后绘制聚类区域。
载入费雪的虹膜数据集。用花瓣的长度和宽度作为预测指标。
负载fisheririsX =量(:,3:4);图;情节(X (: 1) X (:, 2),“k *’，“MarkerSize”5);标题“费舍尔的虹膜数据”;包含“花瓣长度(厘米)”;ylabel“花瓣宽度(cm)”;
较大的聚类似乎被分成一个低方差区域和一个高方差区域。这可能表明较大的集群是两个重叠的集群。
集群的数据。指定k= 3集群。
rng (1);%的再现性[idx C] = kmeans (X, 3);
idx中所预测的聚类指数向量是否与观测值相对应X．C是一个包含最终质心位置的3 × 2矩阵。
使用kmeans计算从每个质心到网格上各点的距离。为此，通过质心(C)和点在网格上kmeans，并实现算法的一次迭代。
x1 = min (X(: 1)): 0.01:马克斯(X (: 1));x2 = min (X(:, 2)): 0.01:马克斯(X (:, 2));[x1G, x2G] = meshgrid (x1, x2);XGrid = [x1G (:), x2G (:));%在图形上定义精细网格idx2Region = kmeans (XGrid 3“麦克斯特”, 1“开始”C);
警告:在1次迭代中未能收敛。
将网格中的每个节点分配到最近的质心
kmeans显示一个警告，说明算法没有收敛，这是您应该预料到的，因为软件只实现了一次迭代。
绘制集群区域。
图;gscatter (XGrid (: 1) XGrid (:, 2), idx2Region,.．.[0, 0.75, 0.75, 0.75, 0, 0.75, 0.75, 0.75, 0],“. .”）;持有在;情节(X (: 1) X (:, 2),“k *’，“MarkerSize”5);标题“费舍尔的虹膜数据”;包含“花瓣长度(厘米)”;ylabel“花瓣宽度(cm)”;传奇(“地区1”，《区域2》，区域3的，“数据”，“位置”，“东南”）;持有从;
将数据划分为两个集群
随机生成样本数据。
rng默认的;%的再现性X = [randn(100 2) * 0.75 +(100 2)的;randn(100 2) * 0.5的(100 2)];图;情节(X (: 1) X (:, 2),“。”）;标题随机生成的数据的;
数据中似乎有两个集群。
将数据划分为两个集群，并从五个初始化中选择最佳安排。显示最终输出。
选择= statset (“显示”，“最后一次”）;[idx C] = kmeans (X, 2,“距离”，“cityblock”，.．.“复制”5,“选项”、选择);
重复1,3次迭代，总距离之和= 201.533。重复2,5次迭代，总距离之和= 201.533。重复3,3次迭代，总距离之和= 201.533。重复4,3次迭代，总距离之和= 201.533。重复5,2次迭代，总距离之和= 201.533。最佳总距离= 201.533
默认情况下，软件分别使用k——+ +。
绘制聚类和聚类质心。
图;情节(X (idx = = 1,1) X (idx = = 1、2),“r”。，“MarkerSize”, 12)在情节(X (idx = = 2, 1), X (idx = = 2, 2),“b”。，“MarkerSize”12)情节(C (: 1), C (:, 2),“kx”，.．.“MarkerSize”15岁的“线宽”3)传说(“集群1”，《集群2》，“重心”，.．.“位置”，“西北”)标题“集群分配和质心”持有从
您可以通过传递来确定集群的分离程度idx来轮廓．
使用并行计算群集数据
聚类大型数据集可能需要时间，特别是如果您使用在线更新(默认设置)。如果您有一个并行计算工具箱™许可证，并且为并行计算设置了选项，那么kmeans并行运行每个集群任务(或复制)。而且,如果复制>1，那么并行计算减少收敛时间。
从高斯混合模型随机生成大数据集。
μ= bsxfun (@times(20、30),(1:20)');%高斯混合平均值rn30 = randn(30、30);σ= rn30 ' * rn30;%对称和正定协方差Mdl = gmdistribution(μ、σ);定义高斯混合分布rng (1);%的再现性X =随机(Mdl, 10000);
Mdl是一个30-dimensionalgmdistribution模型包含20个组件。X10000 × 30的数据矩阵是从哪里生成的Mdl．
指定并行计算的选项。
流= RandStream (“mlfg6331_64”）;%随机数流选择= statset (“UseParallel”, 1“UseSubstreams”, 1.．.“流”、流);
输入参数“mlfg6331_64”的RandStream指定使用乘法滞后斐波那契生成器算法。选项是一个结构数组，其字段指定控制估计的选项。
使用以下方法将数据聚类k——集群。指定有k=数据中的20个集群，并增加迭代次数。通常，目标函数包含局部极小值。指定10个重复以帮助找到较低的局部最小值。
抽搐;启动秒表计时器(sumd idx, C, D) = kmeans (X, 20,“选项”选项,“麦克斯特”, 10000,.．.“显示”，“最后一次”，“复制”10);
使用“本地”配置文件启动并行池(parpool)…连接6个工人。重复5,72次迭代，总距离之和= 7.73161e+06。复制1,64次迭代，总距离之和= 7.72988e+06。复制3,68次迭代，总距离之和= 7.72576e+06。复制4,84次迭代，总距离之和= 7.72696e+06。复制6,82次迭代，总距离之和= 7.73006e+06。重复7,40次迭代，总距离之和= 7.73451e+06。复制2,194次迭代，总距离之和= 7.72953e+06。复制9,105次迭代，总距离之和= 7.72064e+06。 Replicate 10, 125 iterations, total sum of distances = 7.72816e+06. Replicate 8, 70 iterations, total sum of distances = 7.73188e+06. Best total sum of distances = 7.72064e+06
toc终止秒表计时器
运行时间为61.915955秒。
命令窗口指示有6个工作人员可用。在您的系统中，工作人员的数量可能不同。命令窗口显示迭代次数和每次复制的终端目标函数值。输出参数包含复制9的结果，因为它的总距离和最低。
向现有集群分配新数据并生成C/ c++代码
kmeans执行k-表示聚类，将数据划分到k集群。当您有一个新的数据集要集群时，您可以通过使用kmeans．的kmeans函数支持C/ c++代码生成，可以生成接受训练数据并返回聚类结果的代码，然后将代码部署到设备上。在此工作流中，您必须传递训练数据，这些数据可能相当大。为了节省设备上的内存，可以使用将训练和预测分开kmeans而且pdist2,分别。
使用kmeans在MATLAB®中创建集群并使用pdist2在生成的代码中为现有集群分配新数据。对于代码生成，定义一个入口点函数，该函数接受聚类质心位置和新数据集，并返回最近的聚类的索引。然后，生成入口点函数的代码。
生成C/ c++代码需要MATLAB®Coder™。
执行k聚类则
使用三个分布生成一个训练数据集。
rng (“默认”）%的再现性X = [randn(100 2) * 0.75 +(100 2)的;randn(100 2) * 0.5的(100 2);randn (100 2) * 0.75);
将训练数据划分为三个集群kmeans．
[idx C] = kmeans (X, 3);
绘制聚类和聚类质心。
图gscatter (X (: 1), (:, 2), idx,“bgm”)举行在情节(C (: 1), C (:, 2),“kx”)传说(“集群1”，《集群2》，“集群3”，聚类质心的）
向现有集群分配新数据
生成一个测试数据集。
Xtest = [randn(10, 2) * 0.75 +的(10,2);randn(10, 2) * 0.5的(10,2);randn (10, 2) * 0.75);
使用现有的集群对测试数据集进行分类。从每个测试数据点找到最近的质心pdist2．
[~, idx_test] = pdist2 (C Xtest“欧几里得”，“最小”1);
绘制测试数据，并使用idx_test通过使用gscatter．
gscatter (Xtest (: 1) Xtest (:, 2), idx_test,“bgm”，“哦”)传说(“集群1”，《集群2》，“集群3”，聚类质心的，.．.“数据分类到群集1”，“数据分类到群集2”，.．.“数据分类到第三组”）
生成代码
生成将新数据分配给现有集群的C代码。注意，生成C/ c++代码需要MATLAB®Coder™。
定义一个名为findNearestCentroid它接受质心位置和新数据，然后通过使用找到最近的群集pdist2．
添加% # codegen编译器指令(或pragma)添加到函数签名后的入口点函数，以表明您打算为MATLAB算法生成代码。添加此指令将指导MATLAB代码分析器帮助您诊断和修复代码生成过程中可能导致错误的违反。
类型findNearestCentroid显示findNearestCentroid.m的内容
function idx = findNearestCentroid(C,X) %#codegen [~，idx] = pdist2(C,X，'euclidean'，' minimum '，1);找到最近的质心
注意:如果您单击位于此页右上角部分的按钮，并在MATLAB®中打开此示例，那么MATLAB®将打开示例文件夹。这个文件夹包括入口点函数文件。
通过使用codegen(MATLAB编码器)．因为C和c++是静态类型语言，所以必须在编译时确定入口点函数中所有变量的属性。的输入的数据类型和数组大小findNearestCentroid，传递一个MATLAB表达式，该表达式表示具有特定数据类型和数组大小的值集arg游戏选择。有关详细信息,请参见为代码生成指定可变大小的参数．
codegenfindNearestCentroidarg游戏{C, Xtest}
代码生成成功。
codegen生成MEX函数findNearestCentroid_mex使用一个平台相关的扩展。
验证生成的代码。
myIndx = findNearestCentroid (C, Xtest);myIndex_mex = findNearestCentroid_mex (C, Xtest);verifyMEX = isequal (idx_test myIndx myIndex_mex)
verifyMEX =逻辑1
isequal返回逻辑1 (真正的)，这意味着所有的输入是相等的。这一比较证实了pdist2函数,findNearestCentroid函数和MEX函数返回相同的索引。
您还可以使用GPU Coder™生成优化的CUDA®代码。
cfg = coder.gpuConfig (墨西哥人的）;codegen配置cfgfindNearestCentroidarg游戏{C, Xtest}
有关代码生成的更多信息，请参见通用代码生成工作流．有关GPU编码器的更多信息，请参见开始使用GPU Coder(GPU编码器)而且支持功能(GPU编码器)．
输入参数
输出参数
更多关于
算法
kmeans使用两阶段迭代算法最小化点到质心距离的总和，对所有的总和k集群。第一阶段使用批量更新，其中每次迭代都包括一次将点重新分配到它们最近的聚类质心，然后重新计算聚类质心。这个阶段有时不会收敛到局部极小值解。也就是说，在数据的一个分区中，将任何单个点移动到不同的集群都会增加距离的总和。这更适用于小型数据集。批处理阶段是快速的，但可能只是接近解决方案作为第二阶段的起点。
第二阶段使用在线更新，如果这样做可以减少距离的总和，则会单独重新分配点，并在每次重新分配后重新计算聚类质心。此阶段的每次迭代都包含通过所有点的一次迭代。该相位收敛到局部最小值，尽管可能存在其他具有较低总距离和的局部最小值。一般来说，寻找全局最小值是通过穷尽选择起始点来解决的，但使用多个具有随机起始点的重复通常会得到全局最小值的解。
如果启用
UseParallel选项选项而且复制> 1，然后每个工蚁并行选择种子和集群。
参考文献
[1]亚瑟，大卫，塞尔吉·瓦西里维茨基。《k -means++:谨慎播种的优势》SODA ' 07:第18届离散算法ACM-SIAM年会论文集．2007年,页1027 - 1035。
[2] Lloyd, Stuart P. < PCM中的最小二乘量化>。《IEEE信息论汇刊》．1982年第28卷，第129-137页。
Seber, g.a.f。多变量的观察．霍博肯，新泽西州:约翰·威利父子公司，1984。
[4] Spath, H。聚类解剖与分析:理论，FORTRAN程序，例子．J. Goldschmidt译。纽约:霍尔斯特德出版社，1985年。
扩展功能
版本历史
之前介绍过的R2006a
您也可以从以下列表中选择网站: