比较k-means聚类

Question

我有150张图片，每10个不同的人15张。所以基本上我知道哪个图像应该属于一起，如果是聚类的。

这些图像有73个维度（特征向量），我使用matlab中的kmeans函数将它们聚类成10个聚类。

后来，我处理了这150个数据点，并将其尺寸从73减少到3，并对它们应用了相同的kmeans函数。

我想通过应用相同的k-means函数来比较在这些数据集（已处理和未处理）上获得的结果，并希望知道将其缩小到较低维度的处理是否改进了kmeans聚类。

我认为比较每个聚类的方差可以作为比较的一个参数，但是我不确定我是否可以直接比较和评估我的结果（在距离的簇总和之内等），因为两个案例都具有不同的维度。任何人都可以建议一种方法，我可以比较kmean结果，某种方式来规范它们或任何其他我可以做的比较？

Answer 1

我可以想到三个选择。我不知道有任何完善的方法来专门用K-means聚类来做这件事。

1. 查看两种方法之间的混淆矩阵。
2. 将群集之间的mahalanobis distances以及群集中的项目与最近的其他群集进行比较。
3. 看看Vornoi细胞，看看你的点离细胞边界有多远。

3的问题是距离度量偏差，3D距离与73D距离不相称，所以我不喜欢这种方法。我建议你阅读一些关于K-means的书籍，如果你坚持这条道路，排名猜测很有趣，但站在巨人的肩膀上会更好。