Preguntas etiquetadas con k-means

Me gustaría entender, ¿cuál es la principal diferencia de implementación entre los algoritmos de agrupación de medios k estándar y esféricos? En cada paso, k-means calcula las distancias entre los vectores de elementos y los centroides del grupo, y reasigna el documento a este grupo, cuyo centroide es el más …

28 clustering  data-mining  algorithms  k-means 

Necesito usar variables binarias (valores 0 y 1) en k-means. Pero k-means solo funciona con variables continuas. Sé que algunas personas todavía usan estas variables binarias en k-means ignorando el hecho de que k-means solo está diseñado para variables continuas. Esto es inaceptable para mí. Preguntas: Entonces, ¿cuál es la …

27 r  clustering  binary-data  k-means  mixed-type-data 

Tengo algunos puntos en , y quiero agrupar los puntos para que:X= { x1, . . . , xnorte}X={X1,...,Xnorte}X=\{x_1,...,x_n\}RpagsRpagsR^p Cada grupo contiene un número igual de elementos de . (Suponga que el número de grupos divide .)XXXnortenorten Cada grupo es "espacialmente cohesivo" en algún sentido, como los grupos de significa.kkk …

25 machine-learning  clustering  k-means  unsupervised-learning 

Tengo una tabla de base de datos de transferencias de datos entre diferentes nodos. Esta es una gran base de datos (con casi 40 millones de transferencias). Uno de los atributos es el número de transferencias de bytes (nbytes) que varían de 0 bytes a 2 tera bytes. Me gustaría …

24 clustering  k-means 

Quiero realizar la agrupación K-means en los objetos que tengo, pero los objetos no se describen como puntos en el espacio, es decir, por objects x featuresconjunto de datos. Sin embargo, puedo calcular la distancia entre dos objetos (se basa en una función de similitud). Entonces, dispongo de la matriz …

22 machine-learning  clustering  data-mining  k-means  distance 

Estoy leyendo el algoritmo Bishop en EM para GMM y la relación entre GMM y k-means. En este libro dice que k-means es una versión difícil de GMM. Me pregunto si eso implica que si los datos que intento agrupar no son gaussianos, no puedo usar k-means (o al menos …

21 clustering  data-mining  k-means  gaussian-mixture 

Tengo una matriz de correlación que establece cómo cada elemento se correlaciona con el otro elemento. Por lo tanto, para N elementos, ya tengo una matriz de correlación N * N. Usando esta matriz de correlación, ¿cómo agrupo los N elementos en M bins para poder decir que los Nk …

20 clustering  python  k-means 

Para una tarea, se me ha pedido que proporcione una prueba de que k-means converge en un número finito de pasos. Esto es lo que he escrito: CCCE(C)=∑xmini=1k∥x−ci∥2E(C)=∑xmini=1k‖x−ci‖2E(C)=\sum_{\mathbf{x}}\min_{i=1}^{k}\left\Vert \mathbf{x}-\mathbf{c}_{i}\right\Vert ^{2}E(C)E(C)E(C) El paso 2 se refiere al paso que etiqueta cada punto de datos por su centro de clúster más cercano, …

20 mathematical-statistics  k-means 

¿Alguien puede explicar los pros y los contras de la agrupación jerárquica? ¿El agrupamiento jerárquico tiene los mismos inconvenientes que K significa? ¿Cuáles son las ventajas del agrupamiento jerárquico sobre K? ¿Cuándo debemos usar los medios K sobre el agrupamiento jerárquico y viceversa? Las respuestas a esta publicación explican los …

19 clustering  k-means  unsupervised-learning  hierarchical-clustering 

¿Hay alguna manera de determinar qué características / variables del conjunto de datos son las más importantes / dominantes dentro de una solución de clúster de k-means?

19 machine-learning  clustering  k-means  importance 

Estoy usando K-means para agrupar mis datos y estaba buscando una manera de sugerir un número de clúster "óptimo". Las estadísticas de brecha parecen ser una forma común de encontrar un buen número de clúster. Por alguna razón, devuelve 1 como número de clúster óptimo, pero cuando miro los datos …

18 r  machine-learning  clustering  k-means 

Tengo un conjunto de datos con 16 variables, y después de la agrupación por kmeans, deseo trazar los dos grupos. ¿Qué parcelas sugiere para representar visualmente los dos grupos?

17 data-visualization  clustering  k-means 

Leí que el algoritmo k-means solo converge a un mínimo local y no a un mínimo global. ¿Por qué es esto? Puedo pensar lógicamente cómo la inicialización podría afectar la agrupación final y existe la posibilidad de una agrupación subóptima, pero no encontré nada que lo demostrara matemáticamente. Además, ¿por …

17 clustering  k-means  convergence  gradient-descent  minimum 

Estoy experimentando con el algoritmo de la máquina de aumento de gradiente a través del caretpaquete en R. Usando un pequeño conjunto de datos de admisión a la universidad, ejecuté el siguiente código: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

Los lugares que he estado leyendo sobre la maldición de la dimensionalidad lo explican conjuntamente con kNN principalmente, y los modelos lineales en general. Regularmente veo a los mejores clasificados en Kaggle usando miles de características en el conjunto de datos que apenas tiene 100k puntos de datos. Utilizan principalmente …

15 neural-networks  svm  k-means  k-nearest-neighbour  high-dimensional