平分k-means聚類算法解釋

Question

我被要求編寫一個平分k-means算法，但我不明白這個算法。 我知道k-means算法。

你能解釋的算法，而不是在academic language

感謝。

Answer 1

這個想法是迭代地將你的雲點分成兩部分。換句話說，您將構建一個隨機二叉樹，其中每個分裂（具有兩個子項的節點）對應於將雲中的點分割爲2.

您從點雲開始。

• 計算其矩心（重心）瓦特

• 選擇雲

• 的點中隨機CL的點相比瓦特時構建點Cr作爲CL的對稱點（分段CL-> w是相同W-> CR）

• 獨立的兩個雲點，那些最接近爲Cr屬於subcloud R，和那些最接近CL屬於subcloud L

• 重申，subclouds R和L

注：

可以丟棄隨機點一旦你使用它們。但是，保持所有子模塊的質心。

當你的子云包含正好一個點時停止。

如果您想要k個羣集，只需取k個質心，使其包含初始雲的所有點。如果你願意，你可以做更多更復雜的事情（最小化雲的變化等）。假設你想要4個集羣（爲了方便起見，兩個冪）然後你只需要將你的雲切成兩半，然後切割每個集羣在兩個subclouds。如果你想要8個簇，那麼再次將這些子云分成兩份。再次爲16個集羣。

如果你想K個K的集羣不是2的冪（比方說24），那麼看看最接近的二個冪。現在是16個。你還缺少8個集羣。每個「level-16-cluster」是「level-16-subcloud」的質心。你要做的是取8個「16級集羣」（例如隨機），並將它們分別替換爲兩個「子級」「32級集羣」。 （這兩個孩子的「32級集羣」對應於兩個「級別-32-subcloud」，加起來就是父級「level-16-subcloud」）