我在3維空間中有大約2000萬個點(x,y,z)的大型數據集。我知道這些點是在密集區域組織的,但這些區域的大小各不相同。我認爲標準的無監督3D聚類應該可以解決我的問題。由於我無法先驗地估計聚類的數量,我嘗試使用k的寬範圍的k-means,但是速度很慢,而且我也不得不估計每個k分區有多重要。 基本上,我的問題是:我怎樣才能將我的點的最重要的分區提取到集羣?3D點的聚類
Q
3D點的聚類
0
A
回答
0
從上面我不清楚,如果你打算使用k-means或者不使用k-means,但是如果你是這樣,你應該遵循下面的帖子的迴應,它顯示瞭如何測量羣集的方差。
Calculating the percentage of variance measure for k-means?
此外,您可以嘗試2至十五K大小的簇獲得使用「肘法」一個不錯的選擇。請參閱Amro關於此過程的答案。
0
在這種情況下,一個簡單的想法是沿每個維度使用3個不同的聚類。這可能會加快速度。
因此,您可以沿X軸找到羣集(將所有點投影到X軸),然後繼續沿Y軸形成子羣集,然後沿着Z軸形成子羣集。
我認爲使用動態編程http://www.sciencedirect.com/science/article/pii/0025556473900072可以非常有效地解決一維k-均值問題。
1
k-means可能不是這種數據的最佳方法。
DBSCAN應該更接近你的直覺密集的地區。
先試試樣品,然後弄清楚如何放大。
相關問題
- 1. 3D平面中的聚類點
- 2. 聚類結構3D數據
- 3. K-means使用C#對空間中的3D點進行聚類
- 4. R中的聚類3D數組
- 5. 點聚類
- 6. 使用matplotlib可視化3D聚類
- 7. 聚類點散點圖中
- 8. 數學 - 點的聚類
- 9. 尋找一種算法來聚集3d點,大約2d點
- 10. 3D線點擊3D點?
- 11. esri中的點聚類javascript api
- 12. 不同類型的點擊後聚焦
- 13. ejabberd節點的聚類如何工作?
- 14. 動態聚合聚類?在平面上的點
- 15. highcharts 3d散點圖:顯示類別
- 16. 熱圖聚類/聚類值/
- 17. Python中的聚類 - 圖像聚類
- 18. 3d點生成
- 19. 排序3d點
- 20. 距離點3D
- 21. 找到地理點的聚類(在聚類中心的y距離內最小x點)的算法
- 22. 聚類分類和聚類政策
- 23. ELKI獲取聚類數據點
- 24. openlayers - 點擊放大(+)聚類策略
- 25. 聚類
- 26. 聚類
- 27. 瑪雅從3D點
- 28. 擬合3D點python
- 29. WPF 3D點素描
- 30. 3D動畫 - 觀點