集群数据 Matlab 函数

Question

我正在使用 Matlab clusterdata 函数将我的数据（噪声和非噪声）分为 2 类：噪声组和非噪声组。该函数运行良好，只是有时它将所有噪声数据命名为第 1 组，将所有非噪声数据命名为第 2 组。有时它将所有噪声数据命名为第 2 组，将所有非噪声数据命名为第 1 组。

我该如何控制它？我的意思是将所有噪声数据标记为第 1 组。

Answer 1

控制无监督学习算法使用的标签名称通常是个问题。我建议在进行聚类后尝试评估数据的一些特征，看看标签是否符合您的要求。

如果您的所有数据都在 X (N x d) 矩阵中，并且标签向量 Y(N x 1) 取值 -1 和 1，则您可以评估每个集群的方差。我怀疑噪声数据会表现出更高的方差，可以用来查看是否应该切换标签。

在下面的代码中，1 应该是非噪声，-1 应该是噪声（这种标签（组）的选择可以更容易地翻转标签）。

%#Variance summed over all dimensions    
varL1 = sum(var(X(Y==1,:)));  
varL2=  sum(var(X(Y==-1,:)));

%#Flip labels if if L1 is higher than L2
if varL1 > varL2
    Y = Y * (-1);
end

如果这可行，您可以随后将噪声簇更改为第 1 组，将非噪声更改为第 2 组

Y(Y==1) = 2;  %#NB: The order of which these statements are evaluated is important.
Y(Y==-1) = 1;