k-means更新中心使用余弦相似度

Question

我在使用k-means更新中心时遇到问题。 我的数据如下：

  1 0 5 6 2 3 5 7
  2 5 0 8 6 1 0 5 . . .
  2 5 6 4 2 1 0 8
         .
         .

我需要按行处理行（例如：一行是中心）。我计算了具有余弦相似性的聚类。现在我想更新每个集群的中心。但我不知道我该怎么做。请帮助我。 （每行包含文档中不同单词的迭代次数。） 感谢

Answer 1

实际上有一种算法可以使用余弦度量，称为球面k均值。

有关详细信息，请参阅

http://www.cs.gsu.edu/~wkim/index_files/papers/refinehd.pdf http://nirmalthapa.wordpress.com/2011/05/05/spherical-k-means-clustering-algorithm/

Answer 2

k-means是针对欧几里德的判决设计的，而不是针对其他指标。

虽然起初看起来好像你可以轻松使用任何其他距离函数，但问题实际上是 mean 函数。

对于欧几里德距离，算术平均值将最小化方差，这样可以确保算法的终止。对于曼哈顿距离，您可以使用medoid（参见k-medoids聚类）。

但是如果你投入任意其他距离函数，k-means可能会遇到无限循环（即停止收敛）。因此在使用其他距离时要小心，并考虑使用比k-means更先进/更现代的算法。