Использование Matlabs K-означает, что я не уверен в специфике кластеризации. Чтобы объяснить это, я буду использовать пример:
Мои данные были нормализованы, а выходные данные выглядят так:
Каждая строка представляет сетевой пакет после нормализации. Таким образом, строка 1 будет представлять пакет от компьютера А.
Теперь мне интересно, когда я запускаю свой K-means в Matlab, кластеризует ли он каждый столбец или кластеризует через ряд?
т.е. будет ли столбец A принадлежать к кластеру 1, столбец B к кластеру 2 и т. Д.
Причина, по которой стоит задавать вопрос, заключается в том, что мне нужно, чтобы каждый пакет (строка) оставался связанным, а каждый пакет - кластеризованным в зависимости от его внутренних качеств. Однако я боюсь, что это может серьезно ослабить его возможности. Но я надеюсь, что есть метод агрегации, который может решить эту загадку.
Код:
%% 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)
Результаты:
Это основано на 5000 строк. К сожалению, неспособность восстановить данные после кластеризации ограничивает мои знания о том, что происходит. (См. Связанный вопрос: MATLAB - классификационный вывод )