如何将K-mean算法应用于多维数组？

Question

我有一个矩阵A = (a1,a2,a3,...,an)'，其中a1, a2,..., an是行向量。我想将k-means算法应用于矩阵A，以便将行向量ai (i=1,2,3...,n)群集到k个群集或更多。假设b1, b2, b3,...,bk是k个群集的中心，k个样本会被随机选为k个群集的初始中心。所有样本（a1,a2,a3,...,an）都根据它们与中心bi (i=1,2,3,...,k)到k类的余弦距离进行分类，即k个群集。重新计算k簇的中心，重新分类所有样本，直到中心不变，然后获得最终中心b1,b2,b3,...,bk。对于每个群集，仅保留最靠近群集中心的向量。怎么实现这个？

Answer 1

kmeans功能（在统计和机器学习工具箱中）执行此操作。只需使用：

C = kmeans(A, k, 'Distance', 'cosine')

获得所需的输出。

最佳，