2.k-means聚类
这里用最简单的实例说明以下层次聚类原理和应用发法。
层次聚类是基于距离的聚类方法，MATLAB中通过pdist、linkage、dendrogram、cluster等函数来完成。层次聚类的过程可以分这么几步：
(1) 确定对象（实际上就是数据集中的每个数据点）之间的相似性，实际上就是定义一个表征对象之间差异的距离，例如最简单的平面上点的聚类中，最经常使用的就是欧几里得距离。
这在MATLAB中可以通过Y=pdist（X）实现，例如
>> X=randn(6,2) X = -0.4326 1.1892 -1.6656 -0.0376 0.1253 0.3273 0.2877 0.1746 -1.1465 -0.1867 1.1909 0.7258 >> plot(X(:,1),X(:,2),'bo') %给个图，将来对照聚类结果把 
`
Y=pdist(x)
Y =
将是具有M*(M-1)/2个元素的行向量。Y这样的显示虽然节省了内存空间，但对用户来说不是很易懂，如果需要对这些距离进行特定操作的话，也不太好索引。MATLAB中可以用squareform把Y转换成方阵形式，方阵中
位置的数值就是X中第i和第j点之间的距离，显然这个方阵应该是个对角元素为0的对称阵。
squareform(Y)
ans =
0 0.7728 0.4994 0.9336 0.6606 0.3346 0.7728 0 0.6789 0.2830 0.1381 0.7942 0.4994 0.6789 0 0.9444 0.5422 0.7887 0.9336 0.2830 0.9444 0 0.4075 0.8513 0.6606 0.1381 0.5422 0.4075 0 0.7286 0.3346 0.7942 0.7887 0.8513 0.7286 0 >> Z=linkage(Y) >Z=linkage(Y) Z = 2.0000 5.0000 0.1381 4.0000 7.0000 0.2830 1.0000 6.0000 0.3346 3.0000 9.0000 0.4994 8.0000 10.0000 0.5422 (3)初步的聚类树画完后，还要做很多后期工作的，包括这样的聚类是不是可靠，是不是代表了实际的对象分化模式，对于具体的应用，应该怎样认识这个完全版的聚类树，产生具有较少分叉的可供决策参考的分类结果呢？这都是需要考虑的。
MATLAB中提供了cluster, clusterdata, cophenet, inconsistent等相关函数。
情况的相符程度（就是检测二叉聚类树中各元素间的距离和pdist计算产生的实际的距离之间有
多大的相关性），inconsistent则是量化某个层次的聚类上的节点间的差异性（可用于作为
cluster的剪裁标准）。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/205182.html原文链接：https://javaforall.net
