Matlab：K-means聚类与预定义的群体

Question

我试图区分两个人群。每个群体是NxM矩阵，其中N在两者之间固定，并且M的长度可变（N =每次运行的列特定属性，M =运行数）。我看过PCA和K-means来区分两者，但我对最佳实践感到好奇。

据我所知，在K-means中，没有初始“校准”，其中选择聚类使得可以区分已知的双峰种群。它只是最小化距离并将数据分配给任意数量的人口。我想告诉聚类算法，我希望最适合两个群体分开。然后，我可以使用从初始聚类到未来数据集的拟合。任何帮助，示例代码或阅读材料都将不胜感激。

-R

Answer 1

这实际上取决于数据。但只是为了让你知道K-means确实陷入局部最小值，所以如果你想使用它尝试从不同的随机起点运行它。与任何其他光谱聚类方法相比，PCA也可能有用，因为您对聚类过程的控制要少得多。我建议您使用带有多个随机起点的k-means对数据进行聚类，以及c如何工作，然后您可以使用K-NN预测和学习每个新样本（我不知道是否它对你的情况很有用。）

检查Lazy learners和K-NN进行预测。

Answer 2

K-means和PCA通常用于无监督学习问题，即您有一批数据并希望找到更简单的方法来描述它的问题。原则上，您可以在数据上运行K-means（K = 2），然后评估两类数据与此算法找到的数据簇匹配的程度（注意：您可能需要多次启动）

听起来你有一个监督学习问题：你有一个训练数据集，它已被分成两个类。在这种情况下，k-最近邻居（如@amas所述）可能是最像k-means的方法;但支持向量机也是一种很有吸引力的方法。

我经常提到统计学习要素：数据挖掘，推理和预测，第二版（斯普林格系列统计）作者：Trevor Hastie（作者），Robert Tibshirani（作者），杰罗姆弗里德曼（作者）。