在k-means聚类中找出聚类质心的坐标[重复]答案

【问题标题】：finding out the coordinates of centroid of cluster in k-means clustering [duplicate]在k-means聚类中找出聚类质心的坐标[重复]
【发布时间】：2016-05-29 01:07:06
【问题描述】：

我有大量数据。我已经对我的数据实施了 k-means 聚类。它对数据进行聚类并绘制在聚类中具有围绕质心的数据点的图形。

图表如下：

但我想获得打印出的质心的确切 x 和 y 坐标，以便我可以计算任何新数据点与质心的距离，从而找出新数据所属的集群.

[ids ctrs]=kmeans(A,19) D = dist([testpoint;ctrs]) %testpoint 为 1x10，D 为 20x20 [distance testpointID] = min(D(1,2:end)) 我无法理解 [distance testpointID] = min(D(1,2:end)) 的实际作用？请帮帮我！！！

【问题讨论】：

尝试使用文档！
并且停止转发同样的问题：Query regarding k-means clustering in MATLAB

标签： matlab cluster-analysis k-means unsupervised-learning

【解决方案1】：

这是从 Matlab help for the kmeans function

[idx,C] = kmeans(___) % returns the k cluster centroid locations
                      % in the k-by-p matrix C.

这意味着您可以使用两个输出参数调用kmeans。第一个将包含您的点的索引，第二个将包含您正在寻找的质心位置。

【讨论】：

【解决方案2】：

如果您使用过 Matlab 函数，则质心是第二个输出参数。但是，如果您自己实现了 K-Means，则必须通过考虑它们的定义来手动评估这些质心。对于给定的集群，质心只不过是与该集群关联的点之间的平均值。
如果您有分配{point;cluster}，您可以轻松评估质心：假设您有一个给定的集群，分配有n 点，这些点是a1,a2,...,an。您可以使用以下方法评估此类集群的质心：

centroid=(a1+a2+...+an)/n

【讨论】：