matlab中如何使用轮廓函数答案

【问题标题】：How do i use the silhouette function in matlabmatlab中如何使用轮廓函数
【发布时间】：2014-04-15 16:46:09
【问题描述】：

我有一个关于如何在matlab中使用剪影函数的问题

如果我有我的相关矩阵 X = 90x90 和我的数据的集群成员数 ;说我有五个集群。这被定义为长度为 90x1 的 cidx，每个值都分配有一个从 1 到 5 的数字。

我可以只将相关矩阵和 cidx 传递给轮廓函数并将度量指定为“相关”，还是应该传入我的返回矩阵？

感谢您的帮助！

【问题讨论】：

标签： matlab statistics

【解决方案1】：

剪影用于确定聚类的质量。下面使用 100*3 大小的矩阵说明此函数的工作方式。示例 -

NofClusters=3;

numObservarations = 100;
dimensions = 3;
data = rand([numObservarations dimensions]);
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')

%% plot clusters quality
figure
[silh,h] = silhouette(data, clustIDX);
avrgScore = mean(silh);

【讨论】：

【解决方案2】：

首先，您需要制作集群。例如，matlab 中的 kmeans 函数会为您执行此操作。

cidx = kmeans(X,2,'distance','Euclidean');

根据 MATLAB：

IDX = kmeans(X,k) 对 n×p 数据矩阵 X 中的点进行分区 k 个簇。这种迭代分区最小化总和，超过所有集群，点到集群质心的集群内总和距离。 X的行对应点，列对应变量。 kmeans 返回一个包含集群的 n×1 向量 IDX 每个点的索引。

所以这里 cidx 是 n-by-1 簇索引。找到索引后，您可以将 X 和 cidx 传递给 silhouette 函数：

s = silhouette(X,cidx,'Euclidean')

s 是 n×1 向量中的轮廓值。

【讨论】：