java - k 均值聚类
java - k-means clustering
我有以下输入整数向量（示例）：
4 138 233 461 610 621 669 742 814 827
89 138 334 656 697 810
138
138 196 738
659 738
4 461
138 337 756 810
8 138 196 337 468 663 664 756 809 810
它们都包含整数值 [1-850] 并且都存储在 csv 文件中。
我想根据向量的相似性将它们分成多个集群，但我对如何在 java 中为我的输入数据实施 k-means 算法感到困惑。有人愿意提供提示或代码帮助吗？
提前致谢。
k 均值聚类的伪代码
假设您有一个可以比较输入对象（在您的例子中是向量）并输出相似性度量的度量（我们称之为 M）。
和一个能够计算一组输入对象的平均值的函数（我们称之为 A）
- 从您的数据集中随机 select N 项。它们是集群的新中心（称为质心）。
- 对于不是质心的每个项目 X，计算它到每个质心的距离（使用 M），并将其标记为属于 X 和 C 之间的距离（使用 M）最小的那个质心 C。
- 现在每个项目都分配给一个质心。
- 使用平均函数 (A) 计算新的质心
- 要么直接使用 A 的输出作为新的质心，要么找到最接近 A 输出的实际项目（使用 M）
- 重复步骤 2 到 5 直到收敛（或直到您的计算预算已用完）
我有以下输入整数向量（示例）：
4 138 233 461 610 621 669 742 814 827
89 138 334 656 697 810
138
138 196 738
659 738
4 461
138 337 756 810
8 138 196 337 468 663 664 756 809 810
它们都包含整数值 [1-850] 并且都存储在 csv 文件中。
我想根据向量的相似性将它们分成多个集群，但我对如何在 java 中为我的输入数据实施 k-means 算法感到困惑。有人愿意提供提示或代码帮助吗？
提前致谢。
k 均值聚类的伪代码
假设您有一个可以比较输入对象（在您的例子中是向量）并输出相似性度量的度量（我们称之为 M）。
和一个能够计算一组输入对象的平均值的函数（我们称之为 A）
- 从您的数据集中随机 select N 项。它们是集群的新中心（称为质心）。
- 对于不是质心的每个项目 X，计算它到每个质心的距离（使用 M），并将其标记为属于 X 和 C 之间的距离（使用 M）最小的那个质心 C。
- 现在每个项目都分配给一个质心。
- 使用平均函数 (A) 计算新的质心
- 要么直接使用 A 的输出作为新的质心，要么找到最接近 A 输出的实际项目（使用 M）
- 重复步骤 2 到 5 直到收敛（或直到您的计算预算已用完）