k表示在矩陣上聚類

Question

我正在嘗試使用“ kmeans”算法對多維功能對象進行聚類。 這是什么意思：所以我不再每行或每一個個體都有一個向量，每個個體不再有一個3x3的觀察矩陣，例如：Individual = 1具有以下觀察結果：

（x1，x2，x3），（y1，y2，y3），（z1，z2，z3）。

其他個體也具有相同的觀察結構。 因此，您知道我如何與包括所有3個觀測向量的“ kmeans”聚類嗎？不僅是一個觀測向量如何正常用於“ kmeans”聚類？ 您會分別對每個觀測向量fe（x1，x2，x3）進行處理，然后將信息以某種方式組合在一起嗎？ 我想用R中的kmeans()函數來做到這一點。

非常感謝您的回答！

Answer 1

使用k均值，您可以將每個觀測值解釋為N維向量空間中的一個點。 然后，您可以最小化觀測值與聚類中心之間的距離。

由於在N維空間中將數據視為點，因此值的實際排列無關緊要。

因此，您可以告訴您的k-means例程使用矩陣范數（例如Frobenius范數 ）來計算距離。 另一種方法是將觀測值從3 x 3矩陣展平到1 x 9矢量。 NxN矩陣的Frobenius范數等效於1xN ^ 2向量的歐幾里德范數。

Answer 2

只要將kmeans()的參數與所有三列一起提供，它將在3維中計算距離，如果這正是您想要的。