algorithm - 在 Z 分数归一化数据上应用 K 均值聚类

Question

我一直在努力了解如何将 k 均值聚类应用于公司列表的一小组数据。

给出平均值和标准差，以便我可以确定标准化数据。

例如，我有以下内容:

根据我对k均值聚类的理解，我必须随机找到质心，其中k = 3。我必须不断调整质心位置，直到不再可能发生任何移动，即在一定时间后数据保持不变结果满足。

我在将这些过程应用于我的数据集时遇到困难。我已经观看并搜索了许多关于如何一步一步实现这一目标的示例，但我还没有取得任何让我理解的成功。

基本上我应该做的是在每次调整质心时显示散点图。

我相信我必须使用欧几里得距离算法来计算两个数据项之间的距离，但这是否意味着 z 分数销售和 z 分数燃料之间的距离，还是什么？这就是为什么我迷失了方向，即使我已经阅读了大约十几个幻灯片并观看了多个视频。

这似乎是我遇到过的最好的例子，但即便如此，由于我的示例与介绍的示例略有不同，我仍然有点迷失:http://www.indiana.edu/~dll/Q530/Q530_kk.pdf

我取得的最大进步是接触了各种数据挖掘软件，如WEKA、Orange、各种Excel插件如XLMiner等。但是，它们似乎提供的是最终结果，而不是过程需要到达那里。

感谢任何帮助。如果需要更多信息，请告诉我。

谢谢。

编辑:我找到了更多解决方案，并认为我应该添加以防有人遇到相同问题。

1) 我使用视频中提到的 Excel 公式计算了欧几里得距离:http://www.lynda.com/Excel-tutorials/Calculating-distance-centroid/165438/175003-4.html

---

公式如下:=SQRT((B28-$B$52)^2+(C28-$C$52)^2) 请记住，每个单元格代表您的位置包含数据。

在这种情况下，我的细胞列在此处的图像中:/image/BduB5.png

这给了我下表:/image/gkb7z.png

---

Answer 1

您的流程是正确的。就我个人而言，我会将您的数据视为 2D，只是销售和燃油成本的 (x,y)...尽管您可以使用所有 4 个数据，而只使用 4D 点。

第 1 步:选择随机中心(其中 3 个 c_1、c_2、c_3)，或者将数据分成 3 个随机集群。如果将数据随机分为 3 个簇，则计算每个簇中所有点的平均值。这三个手段成为三个中心。 (这里的意思是，我的意思是每个坐标的平均值......将它们视为向量并对向量求平均值。)

第 2 步:每个中心代表三个聚类之一。对于每个点，计算到每个中心的距离(这可以是欧几里德距离，或任何其他距离度量)。每个点都被移动到距离最近的中心的簇中。 IE。如果点 i 最接近中心 j，则无论 i 在哪个簇点，它都会移动到簇 j。跟踪是否有任何点移动到新的簇。这将用作步骤 3 中停止条件的一部分。

第 3 步:在所有点都移动到距离它们最近的簇后，通过对每个簇中的所有点进行平均来重新计算中心。然后，返回 2 并重复，直到没有点改变它们所在的簇。