Question

我正在研究一个clutering问题。

我有一套100 observatons。每个观察由3个特征描述。我必须将这些观察结果分为两组（每个观察都有一个标签）。

在聚类观察之前，我首先计算了观测值之间的pdist，然后我在MATLAB中使用了mdscale函数返回到3维。我使用transformed_observation作为kmean聚类算法的输入，如果与使用原始观察结果相比，获得更好的聚类结果（即聚类与标签匹配）。任何人都可以解释为什么???我刚试过......

在这里你可以找到我的步骤......

% select the dimensions of my features
dimensions = 3;

% generate an example data set
observations = rand(100,dimensions);

% if yes use the combination of pdist + mdscale
use_dissimilarity = 'yes';

if strcmp(use_dissimilarity,'yes')
  %compute pdist between features
  dissimilarity = pdist(observations,@kullback_leibler_divergence);
  %re-transform features in 3 dimensions                             
  transformed_observations = mdscale(dissimilarity,dimensions);
else
  transformed_observations = observations;
end

%cluster observations 
numbercluster = 2;
[IDX, clustercentroids] = kmeans(transformed_observations, numbercluster,...
                    'emptyaction','singleton',...
                    'replicates',11,'display','off');

Answer 1

pdist计算成对距离（使用KL-Divergence）。

mdscale（多维缩放）现在会尝试在 Euclidean 向量空间中嵌入距离，以便最好地保留它们。

K-means only 适用于平方欧几里德距离（以及其他一些Bregman分歧）。

因此，在我看来，Matlab允许您进行其他一些距离的错误：

'sqeuclidean'（默认）| 'cityblock'| '余弦'| '相关'| '汉明'

如果KL-Divergence适合您的数据集，这种方法效果更好也就不足为奇了，因为这种结构允许使用k-means（近似）KL-Divergence。

了解pdist与mdscale的结合使用

1 个答案: