【发布时间】：2020-03-09 23:10:55
【问题描述】：
KMeans 算法如何处理用于聚类目的的数据点绘图？
例如，考虑 3 个具有许多特征的数据点。其中，一个特性如下： 值：
Length_of_Room：
- 2.05
- 2.35
- 5.75
前 2 个条目是否会被放置在同一个集群中，因为它们的值彼此更接近（假设所有其他特征也相似）？
请帮帮我！
【问题讨论】：
-
“绘图”是什么意思？ K-means 不绘图。它也只能处理 R^d 中的数据。所以一个特征可能只有一个值。您的工作是适当地转换数据以获取 R^d 中的向量。
-
@Anony-Mousse 我所说的绘图的意思是，数据集中的一行将被视为平面右侧的一个点。类似地，KMeans 获取数据集中的所有点并相应地对它们进行聚类。同样，对于 3 个单独的行或“点”，如果一个名为“Length_of_Room”的特征具有上述值，那么前 2 个点是否会彼此接近，因为这些值更接近。
-
首先，Kmeans 不会像@Anony-Mousse 所说的那样“在计划中谋划”。重新阅读评论。其次，这将取决于您定义的距离。如果它是欧几里得，那么答案是（可能）是的，但对于某些人来说，它相当复杂......
-
@Alexis 只是为了澄清。所以如果我使用欧几里得距离，包含 [2.05, 2.35] 的点将属于同一个集群，而包含 [5.75] 的点将属于不同的集群，对吧？
-
这取决于其他点和集群的数量。并不是因为两个点很接近，它们才会属于同一个簇。对于某些点，最近的点将位于不同的集群中。您可能想使用 sklearn 中的两个卫星数据集来查看这个...
标签： python machine-learning scikit-learn cluster-analysis k-means