如果数据集有440个对象和8个属性（数据集来自UCI机器学习库）。那么我们如何计算这些数据集的质心。 （批发客户数据） https://archive.ics.uci.edu/ml/datasets/Wholesale+customers
如果我计算每行的平均值，那么它是质心吗？ 以及如何在matlab中绘制结果簇。
答案 0 :(得分：29)
好的，首先，在数据集中，1行对应于数据中的单个示例，您有440行，这意味着数据集由440个示例组成。每列包含该特定功能（或您调用的属性）的值，例如：数据集中的第1列包含要素Channel的值，第2列包含要素Region的值等等。
<强> K-Means
现在对于K-Means聚类，您需要指定聚类的数量（K-Means中的 K ）。假设您想要K = 3个聚类，那么初始化K-Means的最简单方法是从数据集中随机选择3个示例（即3行，从您拥有的440行中随机抽取）作为质心。 现在这三个例子是你的质心。
您可以将您的质心视为3个箱，并且您希望将数据集中的每个示例放入最接近的（通常以欧几里德距离测量;检查函数{{1}在Matlab中）bin。
在第一轮将所有示例放入最近的bin后，您可以通过计算各自bin中所有示例的norm来重新计算质心。您重复将所有示例放入最近的bin中的过程，直到数据集中没有示例移动到另一个bin。
一些Matlab起点
您按mean
在您的情况下，X = load('path/to/the/dataset', '-ascii');将是X矩阵。
您可以计算从示例到质心的欧几里德距离
440x8，
其中，distance = norm(example - centroid1);和example都具有维度centroid1。
重新计算质心将如下工作，假设您已经完成了1次K-Means迭代，并将所有示例放入各自最近的bin中。说1x8现在包含最接近Bin1的所有示例，因此centroid1具有维度Bin1，这意味着440中的127个示例位于此bin中。要计算下一次迭代的质心位置，您可以执行127x8。你会对你的其他垃圾箱做类似的事情。
对于绘图，您必须注意您的数据集包含8个要素，这意味着8个维度，并且不可视化。我建议您创建或查找仅包含2个要素的（虚拟）数据集，因此可以使用Matlab的centroid1 = mean(Bin1);函数进行可视化。