K-Means的內部操作

Question

使用Matlabs K-means我不確定聚類的具體細節。爲了解釋這一點，我會用一個例子：

我的數據已經常態化和輸出是這樣的：

每一行代表歸一化後的網絡數據包。因此，第1行將代表來自計算機A的數據包。

現在我想知道當我在Matlab中運行我的K均值時，它是否將每列進行聚類還是通過行進行聚類？

即威爾柱A屬於第1分B列簇2等

後面要求的原因是我需要的每個分組（行），以保持結合，並根據其內在氣質羣集每個分組。然而我的恐懼是這可能會嚴重削弱它的能力。但我希望有一個可以解決這個謎題的聚合方法。

代碼：

 %% generate sample data 
K = 4; 
numObservarations = 5000; 
dimensions = 42; 
%% cluster 
opts = statset('MaxIter', 500, 'Display', 'iter'); 
[clustIDX, clusters, interClustSum, Dist] = kmeans(data, K, 'options',opts, ... 
'distance','sqEuclidean', 'EmptyAction','singleton', 'replicates',3); 
%% plot data+clusters 
figure, hold on 
scatter3(data(:,1),data(:,2),data(:,3), 5, clustIDX, 'filled') 
scatter3(clusters(:,1),clusters(:,2),clusters(:,3), 100, (1:K)', 'filled') 
hold off, xlabel('x'), ylabel('y'), zlabel('z') 
%% plot clusters quality 
figure 
[silh,h] = silhouette(data, clustIDX); 
avrgScore = mean(silh); 
%% Assign data to clusters 
% calculate distance (squared) of all instances to each cluster centroid 
D = zeros(numObservarations, K);  % init distances 
for k=1:K 
%d = sum((x-y).^2).^0.5 
D(:,k) = sum(((data - repmat(clusters(k,:),numObservarations,1)).^2), 2); 
end 
% find for all instances the cluster closet to it 
[minDists, clusterIndices] = min(D, [], 2); 
% compare it with what you expect it to be 
sum(clusterIndices == clustIDX) 

結果：

這是基於5000行。遺憾的是，集羣后無法重建數據，限制了我對發生的事情的瞭解。 （參見相關的問題：MATLAB - Classification output）

Answer 1

用於在Matlab聚類和分類數據輸入的標準格式是：

1. 每個樣品一排
2. 在每個列中的某些樣品（行）不同的特徵。