ClusterR - optimal_init方法

Question

使用ClusterR进行群集的初始化方法的文档非常神秘。您是否可以发布对描述optimal_init方法的论文的引用？

这是正式陈述的内容：

optimal_init：此初始化程序会逐步添加数据行，同时检查它们在质心矩阵中是否已存在

Answer 1

ClusterR包的 KMeans_rcpp 和 MiniBatchKmeans 中使用的初始值设定项为：

• random （随机选择数据行作为初始质心），
• kmeans ++ （参考：http://theory.stanford.edu/~sergei/papers/kMeansPP-soda.pdf AND http://stackoverflow.com/questions/5466323/how-exactly-does-k-means-work），
• quantile_init （它使用分位数和累积距离来选择初始质心）和
• optimal_init （它通过首先检查它们在拾取的质心中是否已经存在来逐渐增加对质心的观察结果。）

我在包中添加了最后两个（ quantile_init 和 optimal_init ），因为我在各种数据集中测试后发现它们给出了类似（或更好）的结果（使用验证指标）和/或运行得更快。在下一版本的软件包中，它们都是实验性的（你是对的）我将在文档详细信息中添加注释。你可以看到quantile_init的rcpp代码和 程序包存储库中的optimal_init。