Мне нужно выполнить уменьшение размерности в наборе данных многомерного набора данных, который был сгруппирован с использованием k-средств. Данные содержат положительные и отрицательные действительные числа, полученные из показаний датчиков датчиков, размещенных на тактильной перчатке. Данные захватывается, представляя действие говорят рисунок буквы «А», какMatlab: проблемы с кластеризацией
0.1373 -1.8764
-1.7020 -0.8322
0.4862 0.8276
-0.0078 1.3597
0.9008 1.8043
2.9751 0.7125
-0.3257 0.1754
Теперь мои неурядицы являются
- Я не получаю кластеризацию для многомерных данных, используя следующий код
K=3; load('b2.txt'); data = b2; numObservarations = length(data); %% 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), 50, clustIDX, 'filled') scatter3(clusters(:,1),clusters(:,2),clusters(:,3), 200, (1:K)', 'filled') hold off, xlabel('x'), ylabel('y'), zlabel('z')
Как это исправить? Что не так?
После получения кластеров по всей размерности, я теперь представляют данные от своих кластерных меток, как
и так далее.
- Включает ли эти данные временное упорядочение событий? Если взглянуть на это, но есть документы, в которых говорится, что кластеризация не учитывает временное упорядочение.
- Мне нужно уменьшить его длину. Я знаю анализ основных компонентов, но используется для выбора размеров и не уменьшает длину данных. Можно ли использовать этот сокращенный формат для дистанционной классификации с использованием входящего набора тестовых данных?
Прежде всего, 'данных = b2 (1: 100);' кажется, подразумевает что это проблема 1D, а не двумерная кластеризация. Возможно, с некоторым представлением о том, как выглядят ваши данные, мы можем помочь немного больше ... –
К сожалению, это была опечатка. Я удалил это и добавил несколько выборок данных. Все еще нет сюжета –
Можете ли вы рассказать нам, что является результатом размера (данных)? – prgao