k-means聚类用于测试数据分类

Question

我想做k-means聚类来根据训练数据对测试数据进行分类，训练数据都有3个类（1,2和3）。

如何使用例如群集大小对测试数据集进行分类？ k = 10 in kmeans（例如使用Matlab）？我知道我可以有k = 3，然后使用最近邻居根据最近的簇大小来识别数据...但不确定我将用于其他k = 3的值？你会如何标记这10个集群中的每一个？

由于

Answer 1

10个群集的分类与3个群集的分类没有区别。由k-means给出的簇的数量与＆＃34;类的数量无关。在数据中。 k-means是一种无监督学习算法，这意味着它在训练期间不考虑训练数据的类别。

算法看起来像这样：

def t_or_f(arg):
    ua = str(arg).upper()
    if 'TRUE'.startswith(ua):
       return True
    elif 'FALSE'.startswith(ua):
       return False

我们发现群集中心与测试点之间的距离最小的群集，然后我们在最小距离群集中包含的元素中找到最常见的类别标签。

Answer 2

有点不清楚你究竟想做什么，虽然这是我理解的大纲。

当您对数据进行聚类时，理想情况下标签不存在，因为您使用聚类来获取数据的见解或使用它进行预处理。

虽然，如果要执行群集，然后根据群集中心的接近度将类ID分配给新的数据点，则可以执行以下操作。

首先，您可以通过引导或其他方法选择k，也可以使用Silhouette系数。获得集群中心后，检查哪个中心最接近新数据点，并相应地分配类ID。

在这种情况下，您可能有兴趣使用Rand Index或Adjusted Rand Index来获得群集质量。