在Z-score标准化数据上应用K-means聚类

Question

我一直在努力了解如何将k-means聚类应用于公司列表的一小组数据。

给出均值和标准差，以便我可以确定标准化数据。

例如，我有以下内容：

根据我对k-means聚类的理解，我必须随机找到质心，其中k = 3.我必须不断调整质心位置，直到不再有可能的运动，即数据保持不变结果得到满足。

我无法将这些程序应用于我的数据集。我一步一步地观察并搜索了许多关于如何实现这一目标的例子，但我没有任何成功让我理解。

基本上我想要做的是在每次调整到质心时显示散点图。

我认为我必须使用欧几里德距离算法计算两个数据项之间的距离，但这是否意味着z得分销售与z得分燃料之间的距离，或者是什么？这就是为什么我迷失了，即使我已经阅读了十几个powerpoint并观看了多个视频。

这似乎是我遇到的最好的例子，但即便如此，由于我的例子与引入的例子略有不同，我仍然有点迷失：http://www.indiana.edu/~dll/Q530/Q530_kk.pdf

我所取得的最大进步是遇到了各种各样的数据挖掘软件，例如WEKA，Orange，各种Excel附加软件，如XLMiner等。但是，它们似乎提供了最终结果，而不是程序要到那里。

感谢任何帮助。如果需要更多信息，请告诉我。

谢谢。

修改：我发现了一些更多的解决方案，并认为如果有人遇到同样的问题我应该添加。

1）我使用此视频中提到的Excel公式计算了欧几里德距离：http://www.lynda.com/Excel-tutorials/Calculating-distance-centroid/165438/175003-4.html

---

这就是公式的样子：=SQRT((B28-$B$52)^2+(C28-$C$52)^2)请记住，每个单元格代表数据的包含位置。

在这种情况下，我的单元格列在此处的图片中：http://i.imgur.com/W44km64.png

这给了我下面的表格：http://i.imgur.com/miTiVj5.png

---

Answer 1

你对这个过程是正确的。就个人而言，我将您的数据视为2D，只是（x，y）是销售和燃料成本......虽然您可以使用全部4而只是有4D点。

第1步：选择随机中心（其中3个为c_1，c_2，c_3），或将数据拆分为3个随机群集。如果将数据随机分成3个簇，则计算每个簇中所有点的平均值。这3个手段成为三个中心。 （这里的意思是，我的意思是每个坐标的平均值......将它们视为向量并平均向量。）

第2步：每个中心代表三个群集中的一个。对于每个点，计算到每个中心的距离（这可以是欧几里德距离，或任何其他距离度量）。每个点都移动到中心距离最近的聚类中。即如果点i最接近中心j，则无论我在哪个聚类点，它都会移动到聚类j。跟踪任何点是否移动到新群集。这将在步骤3中用作停止条件的一部分。

步骤3 ：在所有点移动到离它们最近的群集之后，通过将每个群集中的所有点平均计算来重新计算中心。然后，返回2并重复，直到没有任何点改变它们所在的群集。