了解 pdist 与 mdscale 结合使用

Question

我正在处理一个混乱的问题。

我有一套100个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（每个观察结果都有一个标签）。

在对观察结果进行聚类之前，我首先计算了观察结果之间的 pdist，然后我使用 MATLAB 中的 mdscale 函数返回到 3 维。与使用原始观察结果相比，我使用 transformed_observation 作为 kmean 聚类算法的输入，获得了更好的聚类结果（即聚类与标签匹配）。谁能给我解释一下为什么？？？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）现在将尝试将距离嵌入 Euclidean 向量 space 中，以便最好地保留它们。

K-means 仅适用于平方欧氏距离（以及其他一些 Bregman 散度）。

所以在我看来，Matlab 允许您使用其他一些距离是错误的：

'sqeuclidean' (default) | 'cityblock' | 'cosine' | 'correlation' | 'hamming'

如果 KL-Divergence 适合您的数据集，那么效果更好也就不足为奇了，因为此构造允许在 KL-Divergence.[=（的近似值）上使用 k-means 13=]

了解 pdist 与 mdscale 结合使用

Understanding the use of pdist in combination with mdscale

matlab

cluster-analysis

scale

pdist