我必须使用k-means编写该集群的程序。我有TF-IDF和余弦相似性，看起来像那样
1.00 0.17 0.46 0.40 0.89
0.17 1.00 0.83 0.60 0.58
0.46 0.83 1.00 0.30 0.67
0.40 0.60 0.30 1.00 0.73
0.89 0.58 0.67 0.73 1.00
我有2-means的输出，它与第一个质心分为两组：D1和D2因为它们的相似性最低（0.17）所以组是{D1，D5}和{D2，D3，D4}但是，如果我不得不选择3种手段呢？然后我如何选择我的起始质心？
另一件事我不明白，我正在服用我的TF-IDFS，如下所示：
0.2 0.4 0.8 0.0 0.2
0.0 0.4 0.2 0.8 0.2
0.8 0.0 0.2 0.4 0.4
为我的群组制作新的质心
组1：T1- 0.2 T2- 0.1 T3-0.6 组2：T1-0.4T2-0.4（6）T3-0.2
现在我该如何再次将文档分配给新的质心？我现在必须计算我的质心和文档之间的余弦吗？那个cos值是否高于组质心我把它放在那里？
答案 0 :(得分：2)
说真的，你搞砸了。
对于k-means，您不需要成对相似性表。它永远不会比较两个对象！
还要回顾关于k-means的许多问题，特别是为什么使用k-means中的其他距离比平方欧几里德距离更危险（因为均值可能不适用于其他距离函数） 。虽然我相信可以证明在相当可用的条件下它也适用于余弦距离，但我还没有看到为什么以及何时保证收敛的证据。我所知道的证据仅对（平方）欧几里德距离有效。）
答案 1 :(得分：1)
D1和D2群集因为它们的相似性最高且距离最低。相似度不高。
您最初选择的质心与2质心情况相同。对？你在那里做什么？您使用3个随机向量，或者选择3个数据点作为初始质心。
你的第二部分没有意义。您可以通过将新文档分配给最近的群集来分配新文档。如果您愿意，可以从那里继续迭代。