我正在研究k-means的C ++实现，因此我需要n维测试数据。对于开始的2D点是足够的，因为它们可以在2D图像中容易地可视化，但我最终更喜欢支持n维的一般方法。
stackoverflow上有an answer，它建议连接具有不同偏移量和点差的随机数的顺序向量，但我不知道如何创建它们，特别是不包括第三方库。
下面是我到目前为止的方法声明，它包含应该变化的参数。但是如果需要可以改变 - 除了data之外，它需要是一个指针类型，因为我使用的是OpenCL。
auto populateTestData(float** data, uint8_t dimension, uint8_t clusters, uint32_t elements) -> void;
我想到的另一个问题是在生成随机数时有效检测/避免碰撞。这不是一个性能瓶颈，例如如果一个人在1M值的域中生成100k数字，即生成的数字和数字空间之间的关系是否足够小？
问题 如何有效地为群集分析创建n维测试数据？我需要遵循哪些概念？
答案 0 :(得分：1)
可以使用c ++ 11（或boost）随机内容来创建群集，但它有点工作。
std::normal_distribution可以生成零均值的单变量正态分布。
使用1.您可以从法线向量中采样（只需创建此类样本的 n 维向量）。
如果您从2.获取向量 n 并输出 A n + b ，那么您已经转换了中心 b < / em>离开+由 A 修改。 （特别是，对于2维和3维，它很容易构建 A 作为旋转矩阵。）因此，重复采样2.并执行此转换可以为您提供以
选择 k 对 A，b ，然后生成 k 群集。
备注
您可以使用不同类型的 A 矩阵生成不同的群集方案。例如，如果 A 是一个非长度保留矩阵乘以一个旋转矩阵，那么你可以得到抛物面＆＃34;群集（实际上有趣的是沿着连接中心的向量使它们更宽）。
您可以生成＆＃34;中心＆＃34;向量 b 硬编码，或者使用上面用于 x 向量的分布（可能是统一的，但使用this）。