有關k均值聚類的輸入建議（歡迎提供更多建議）

-2

我想對k均值聚類的輸入提出一些建議。我對這個k-均值聚類（或爲上帝集羣）相對較新，發現此源代碼： k-means by Shyam Sivaraman 我可能想要使用這個JAVA，因爲我的主管要我改變和應用算法，而不是創建它由我自己從頭開始。因此，根據代碼：有關k均值聚類的輸入建議（歡迎提供更多建議）

Vector dataPoints = new Vector(); 
dataPoints.add(new DataPoint(22,21,"data1")); 
dataPoints.add(new DataPoint(19,20,"data2")); 
dataPoints.add(new DataPoint(18,22,"data3")); 
...

我知道到現在的是，它接受兩個變量的數據點（x和y）和數據名稱，在此基礎上下面的代碼：

public DataPoint(double x, double y, String name) { 
    this.mX = x; 
    this.mY = y; 
    this.mObjName = name;

現在我想要的是將輸入更改爲接受文檔向量，因爲我正在進行文檔聚類。有關如何更改代碼的任何建議？換句話說，如果可能的話（代碼最後一個選項）。或者，如果你們在同一主題上找到任何鏈接，不妨分享一下。

期待任何建議傢伙。

來源

2012-05-31 John

在最簡單的方法中，你必須計算document-term matrix。

您的代碼在2D空間中進行向量（x，y）的聚類。你只需要將它擴展到N維空間（根據文檔項矩陣向量的維數）。

另外我建議看看TF*IDF weighting，它可以提高聚類結果。

來源

2012-05-31 14:50:41 stemm

會是怎樣的維空間的最佳數量，請問？（我的問題可能聽起來很愚蠢btw，但我想學習）謝謝你提出TF * IDF加權，但已經分配給我的其他同學去做，我只需要讓kmeans算法像基本一樣它是（也許我稍後會將它用於副項目） – John

事實上，文檔項矩陣是一個稀疏矩陣。所以我建議你實現通用的方法來計算文檔向量之間的歐幾里德距離 – stemm

哦，現在我明白了。我決定使用通用方法，因爲它很容易實現，特別是對於我的新手。謝了哥們 – John

我會建議使用n維矢量作爲輸入，以便您的實現更一般。

如果你想要一些實現的Java源代碼K-Means這是有效的，你可以檢查我的data mining software。

它提供了幾種算法，包括K-Means和用於啓動算法的圖形界面。

最佳，

菲利普

來源

2012-07-18 18:37:48 Phil

有關k均值聚類的輸入建議（歡迎提供更多建議）

回答

相關問題