使用二叉树结构的 KMeans 算法中的数据聚类

Question

我在为 Java 中的 KMeans 集群生成代码时遇到问题。我已经知道该算法，但是很难用 java 代码编写。 我的任务是从数据库中检索数据，然后使用 KMeans 运行聚类，在这种情况下，数据首先必须以递归二叉树结构形成。 场景是

1. 先创建父节点，如果父节点为NULL则设置global_iteration = 0

2. 创建节点及其与父节点的关系

3. 从数据库（我使用 JDBC）检索所有数据到父母（接下来我们称之为数据集）

4. 如果数据集

5. 如果数据集

6. 从数据集计算质心（在这种情况下是 2，因为我们构建二叉树）

7. Cal KMeans 类

8. global_iteration++

9. 对于每个数据集：继续递归。

然后我们必须创建一个类 KMeans，该类将被调用以插入到节点中。

KMeans(数据集,k,maxIteration,minChange)

备注：k=簇数，minChange：质心变化过程中的值，作为是否仍要进行聚类的参数。 Kmeans 聚类与 commong KMeans 算法相同。

非常感谢您帮助我完成这项任务:)

Answer 1

You can implement k-means algorithm as:
SimpleKMeans kmeans = new SimpleKMeans();

kmeans.setSeed(10);

// This is the important parameter to set
kmeans.setPreserveInstancesOrder(true);
kmeans.setNumClusters(numberOfClusters);
kmeans.buildClusterer(instances);

// This array returns the cluster number (starting with 0) for each instance
// The array has as many elements as the number of instances
int[] assignments = kmeans.getAssignments();

int i=0;
for(int clusterNum : assignments) {
System.out.printf("Instance %d -> Cluster %d", i, clusterNum);
i++;
}

Answer 2

检查Weka源code for K-Means，可能会帮助您解决问题。