在SQL 中删除聚簇主键时会发生什么
在 SQL 中删除聚簇主键时，会发生以下情况：
- 删除聚簇主键后，表将不再具有主键。这意味着表中的数据将不再按照任何特定顺序进行排序。
- 如果表中存在外键约束，则删除聚簇主键可能会导致外键约束失效。
- 删除聚簇主键可能会导致性能问题，因为数据库引擎将无法使用聚簇索引来高效地查找和排序数据。
- 删除聚簇主键可能会导致数据库占用更多的存储空间，因为数据库引擎可能需要创建新的非聚簇索引来支持查询操作。
为了避免这些问题，建议在删除聚簇主键之前，先考虑是否有其他替代方案可以满足业务需求。如果确实需要删除聚簇主键，则应该在删除之前进行充分的测试和备份，以确保数据的完整性和可用性。
相关·内容
1回答
关于聚类方法的问题
、、、
最近，我开始学习数据挖掘中的聚类，我已经学习了序列聚类、层次聚类和k-means。
我还读到了一篇关于k-means与其他两种聚类技术的区别的声明，称k-means不太擅长处理名义属性，但文本并没有解释这个point.So，我能看到的唯一区别是，对于K-means，我们将提前知道我们将确切地需要K个聚类，而我们不知道其他两种聚类方法需要多少个聚类。
那么，谁能在这里给我一些关于为什么这样的陈述存在的想法，即k-means在处理名义属性的例子时会有这个问题，有没有办法克服这个问题？
提前谢谢。
浏览 2提问于2010-11-04得票数 6
回答已采纳
1回答
我尝试使用k-表示集群(使用SQLserver + R)，我想知道我们如何才能正确地估计距离。
例如，如果我们考虑欧几里得距离构成星系团的中心，如果对于相同的数据集，不同大小的簇会发生什么？大星系团中的“正常”点的距离要高于小星团中的“离群点”。
所以：
它与每个簇的中心/尺度欧氏距离相关吗？(然后将离群值视为具有最大标度距离的离群值)
还有其他的距离需要考虑吗？
浏览 0提问于2016-04-28得票数 2
回答已采纳
3回答
我知道显然有针对点的聚类算法，但我有一个不同的方案。我有许多光线，它们的起点都在3D中的球体上，它们的方向向量都指向球体内部。一些光线指向点A，另一些指向点B，等等，带有一些噪声(即光线彼此不完全相交)。有没有一种聚类算法，可以让我根据射线指向的点对其进行聚类？我不知道点A，B等的位置，只知道射线的起始点和方向矢量。
例如，是一个示例设置，但在2D中，我不知道开始时哪些光线是红色的或蓝色的。我如何将光线聚集成红色和蓝色？或者，我如何找到它们所指向的点的位置？
我想到的一个解决方案是取两条光线对，找到这两条光线之间最近的点(在2D中，如果扩展光线，这是交点)，然后对每一对光线执行此操作(因此我将
浏览 0提问于2018-09-27得票数 2
2回答
我正在开发一个sql server2008DB和asp.net mvc电子商务应用程序。
我有不同的用户向DB提供他们的产品，我想比较具有相似名称的产品的价格。我知道字符串匹配是特定于领域的，但我仍然需要最好的通用解决方案。
对搜索结果进行分组的最有效方法是什么？我应该使用Levenshtien距离算法递归地比较每条记录吗？我应该在数据库中完成，还是在代码中完成？有没有办法为这项任务实时实现SSIS模糊分组？有没有一种使用Sql server2008免费文本搜索的有效方法？
编辑1:网络图分析怎么样？如果我将使用Levenshtien距离算法定义一个矩阵，我可以使用聚类算法(例如: claus
浏览 0提问于2012-03-29得票数 5
回答已采纳
1回答
当我们说我们正在评估WEKA框架中的集群时，我们是什么意思？聚类是一种对对象进行分组的无监督方法。当我们说我们想要评估结果是什么意思？此外，当我们说我们是在训练数据本身之上评估聚类时，这是什么意思？
谢谢Abhishek S
浏览 6提问于2012-06-04得票数 7
回答已采纳
我正在使用来自KMeans ML.NET ()的聚类算法，在评估模型时，我在模型度量中看到了Davies Bouldin Index。
这个指数的范围是多少？它的零值是什么意思？
浏览 9提问于2022-03-10得票数 0
回答已采纳
如果您在Python中的scipy中有此分层聚类调用：
from scipy.cluster.hierarchy import linkage
# dist_matrix is long form distance matrix
linkage_matrix = linkage(squareform(dist_matrix), linkage_method)
那么，从这里开始对单个点的分配进行聚类的有效方法是什么？即长度为N的向量，其中N是点数，其中每个条目i是点i的簇数，给定给定阈值thresh在结果聚类上生成的簇数？
需要说明的是:簇号是在对树应用阈值之后它所在的簇。在这种情况下，您将为它
浏览 5提问于2013-04-11得票数 24
回答已采纳
在地图上使用聚类图层显示标记，在API调用加载数据时重新加载时，我需要清除地图中的聚类标记请帮助解决此问题，正常标记清除使用当前方法(map.removeObjects(map.getObjects()它作为例外工作，但我需要移除默认的聚类标记
请查找以下代码：
startClustering(map, data) {
// First we need to create an array of DataPoint objects,
// for the ClusterProvider
// tslint:disable-next-line:ter-prefer-ar
浏览 5提问于2019-09-24得票数 1
1回答
树状图使用什么数据结构？
、、、、
我一直在寻找如何高效地实现树状图，用于描述层次聚类。目前，我使用一个正则表达式来解析和显示它，就像树结构一样，如下所示。
[[2,1],[3]]
这意味着有三个文档，级别1包含两个簇，一个包含文档2和1，另一个只包含文档3。因为我们在特定级别上剪切树状图后得到了簇。剪切所示的正则表达式是困难的，并且并不总是给出适当的聚类。
我们应该使用什么数据结构和表示，以便从树状图中获得聚类相对容易。
浏览 1提问于2014-03-05得票数 1
1回答
我想对一个大样本数据进行聚类，为此我使用了MATLAB中的k均值函数。问题是它返回一个矩阵，其中所有数据都按照我指定的聚类数进行了排序。
我如何知道哪个簇的数量是最优的。
我认为，如果我在每个集群中获得相同数量的元素，这将是最优的，但这种情况从未发生过。相反，它可以继续对我输入的任何数字的数据进行聚类。
请帮帮我。
浏览 1提问于2010-11-20得票数 2
回答已采纳
1回答
如何使用mahout计算k均值聚类中的成本函数值？
我正在参加Coursera的机器学习课。建议在k均值聚类过程中，若要对簇进行随机初始化，则在初始簇质心值不同的情况下，对聚类进行多次计算。然后，我们应该检查成本函数的价值，以确定哪一个迭代成本是最小的。
请您建议如何计算Apache实现k-means集群的成本值？
浏览 2提问于2014-03-26得票数 3
回答已采纳
1回答
我需要根据GPS数据把开车的人聚在一起。数据由移动电话收集。我们每10秒就从每个用户那里分批接收它们。每批的GPS数据(位置、速度、方向)每2秒收集一次。
理想的解决方案是实时处理这些数据，并识别/更新一起开车的人群。但是，我们可能会从用户那里收到无序的数据(例如，由于连接性的丧失)。最终，我们应该得到所有的条目，但这使得实时处理更加复杂。
相反，我想先从后处理开始。我计划使用线性回归对每个用户在给定时期的数据进行规范化--在同一时间具有位置标记。然后利用聚类算法对用户进行聚类。这是一个好办法吗？如果是，那么您会推荐哪种聚类算法。或者有更好的方法来解决这个问题？
浏览 0提问于2022-10-23得票数 1
1回答
我正在开发一个有大量标记的应用程序，并想将它们聚集在一起。我找到了Leaflet.markercluster，它做得很好。但是，我想定制标记的聚类。具体地说，我希望根据标记所在的国家对标记进行聚类。我不想要一个包含欧洲所有标记的集群，而是按国家分类的几个集群。
有什么方法可以做到这一点吗？
浏览 2提问于2016-02-25得票数 3
2回答
我一直在使用使用实现对大约45000个观察数据集进行聚类，每个数据集都有大约170个特性。我注意到，当k增加时，算法无法返回指定的簇数，如果k超过数据集中观测量的30% (45000的30%)并继续增加，则返回的簇数不再增加。
我想知道这是否与该算法在scikit中的实现方式有关--学习，还是与其定义有关。我一直在研究论文提出的地方，但我不知道为什么会发生这种情况。
有人经历过吗？现在有谁能解释这种行为吗？
浏览 6提问于2014-07-23得票数 6
回答已采纳
1回答
我正在使用点云库，并且在过滤一个点云并使用欧几里得聚类提取进行分割后，我正在提取第一个聚类的点。下面的代码是我认为可以用来提取聚类点的代码：
std::vector<pcl::PointIndices> cluster_indices;
typename pcl::search::KdTree<PointT>::Ptr tree (new pcl::search::KdTree<PointT>);
tree->setInputCloud(out_cloud);
pcl::EuclideanClusterExtraction<PointT>
浏览 2提问于2016-03-01得票数 0
1回答
我有几个聚类算法调优有5个集群。如果新的数据不属于最初的5个集群，我想要第6个集群，在第6个集群中。
第6簇说其他类别由不属于5个聚类的所有数据点组成。
P.S.:-最初提供的任何数据都属于这5个集群。因此，假设数聚类为5的k均值算法。在推理过程中，我想添加第6簇，这样任何一个确实属于给定聚类的算法都可以根据阈值距离将其放入这个类别。我有文本数据。让我去哪种聚类算法，我应该使用dbscan，som等等。
浏览 0提问于2021-04-19得票数 0
我正在使用hepatitis dataset上的clustMixType包中的kproto()函数实现k-prototype集群。在获得聚类标签后，我使用Thresher包中的labelMatcher()函数将聚类标签与类标签进行匹配(在包含两个以上类的数据集上，需要进行标签匹配以计算准确性、敏感度、精确度和F1分数)。然而，由于kproto()函数在聚类过程中合并相等的原型，labelMatcher()由于具有较少的唯一簇标签而无法将类标签与簇标签进行匹配。我想知道是否可以防止在kproto()函数中合并相等的原型。提前谢谢。
浏览 53提问于2020-11-29得票数 0
回答已采纳
1回答
非聚集主键困境
、、、、
假设我们必须为堆栈溢出问题定义最佳索引。但是，让我们不要使用实际的Posts表的模式，让我们只包括那些实际相关的列：
create table Posts (
Id int not null
identity,
PostTypeId tinyint not null,
LastActivityDate datetime not null
default getdate(),
Title nvarchar(500) null, -- answers don't have titles
Body nvarchar(ma
浏览 10提问于2015-08-01得票数 2
回答已采纳
1回答
我试图在m*n数组上进行分层聚类。
输入数组: 500 * 1000 (1000个特性，500个观测)
使用自定义pdist函数计算距离矩阵
将此距离矩阵提供给链接函数:群集= sch.linkage(distanceMatrix，'single')
形成扁平簇: fc =sch.fcluster(簇，截止，‘距离’)
这给了我一些集群(大约80，使用的截止值为6.0)。现在，我也可以得到每个集群对应的1000个特征吗？(就像我们使用K均值聚类得到质心的特征一样)。
浏览 1提问于2013-02-14得票数 0
1回答
重叠聚类的结果
、、、、
我使用Matlab中的函数fcm进行重叠聚类。该函数的输出是一个大小为kxn的矩阵，其中k是聚类的数量，n是示例的数量。
现在我的问题是，我如何为一个例子选择集群？对于每个示例，我都有所有集群的分数，所以我可以很容易地找到最匹配的集群，但其他集群呢？
非常感谢。
浏览 1提问于2017-03-01得票数 1
1回答
团簇形状和大小
、、
我想问一下，星系团的形状和大小是如何在数学上决定的。例如，我已经读到K-均值聚类算法无法找到非凸形状的聚类，其中它只能成功地找到球形或凸型的聚类。同时，它也试图找到同样大小的星团。这与距离相似函数有关吗？如果是的话，什么样的相似函数才能更好地找到不同大小的非凸簇形状？如果不是，请告诉我是什么因素影响了集群的形状和大小。
此外，基于概率的相似函数对于寻找不同大小的非凸簇形状是否有好处？
请帮我找出答案，非常感谢。
致以敬意，
浏览 2提问于2014-07-19得票数 1
回答已采纳
1回答
根据我对K-均值聚类的理解，k被选择，质心位置被选择，样本被分配，然后质心移动到样本的平均值，直到没有更多的运动。
所以在这个例子中，如果选择3个质心的位置为(5,1)，(5,10)和(5,20)，会发生什么？我期望所有的样本都分配给(5,1)质心，然后移动到数据的平均值(5,0)，算法将结束于属于一个聚类的所有样本(其他质心不移动，并且有一次迭代)。
但是，当我在Python中使用KMeans实现这一功能时，它的行为不像这样：
In [3]: xa = [1,2,3,4,5,6,7,8,9,10]
...: xb = [0,0,0,0,0,0,0,0,0,0]
...:
浏览 13提问于2022-01-11得票数 2
我有一个由宽度w、高度h和区域A定义的矩形边框。
如何将等面积的n数的a封装在这个矩形内，使A-n*a最小。
换句话说，我们如何计算在矩形内填充的等尺寸圆的最佳数目？
我的用例：我正在使用kmeans聚类算法在地理边界框中对车辆进行聚类。为了设置kmeans算法的簇数，在应用kmeans算法之前，我尝试将圆填充作为一种导出簇数的方法。
浏览 5提问于2016-07-12得票数 1
回答已采纳
2回答
6维向量的无监督聚类
、、、
我有17k向量，每个矢量有6分，我想根据点的性质对向量进行聚类，例如。线性增长到一个簇，凸在另一个簇，凹在另一个，在另一个下降等等。做这件事的好策略是什么？我需要它来检测离群点向量。
浏览 0提问于2018-06-05得票数 0
1回答
我有一个Rna-seq数据集(rows=samples，columns=genes)，它具有聚类功能.这些基因被分类为n个簇，其中属于0簇的基因是非聚类基因。这些聚类又回到聚类中，我们又得到了n个标记数的簇，其中0又是非聚类基因。这一过程一直进行到没有进一步的基因被分类为第0组。我需要循环进入这个过程，以便在每次迭代时返回最终的聚类结果以及属于群集0的基因的合并。我知道这可以用时间或重复来完成。我试过使用重复，但没有工作，问题是，我没有真正清楚如何正确设置这一点。
#define my dataset
dat<-my_dataset
repeat{
#run the cluster
浏览 4提问于2020-05-06得票数 0
1回答
模糊聚类验证
、、
我想用模糊C-均值聚类对41个变量和415个观测数据集进行聚类。但是，我仍然无法验证这些集群。当我用随机数量的集群绘制图时，我可以解释总方差的54%，这不是很大，也没有像iris数据库那样真正好的集群。
首先，我在3个集群上运行了带有鳞片数据的fcm，但是如果我试图找到寻找最佳集群数量的方法，那么我不想设置任意定义的集群数量。
于是我转到谷歌，在谷歌上搜索：“在R中验证模糊聚类”，但我仍然需要尝试一堆不同数量的集群。我查看了advclust、ppclust和clvalid包，但找不到函数的演练。我看了每个包的文档，但也看不出下一步该做什么。
我遍历了一些可能的集群，并使用fanny的k.cri
浏览 0提问于2018-11-12得票数 0
回答已采纳
我一直在阅读这文章中关于协商一致聚类和协商一致矩阵的内容。我理解在对数据的某些部分进行重新采样和聚类H次之后，如何建立共识矩阵。我了解到，协商一致矩阵用于确定簇(k)的最佳数量，并允许生成一个很好的热图。我不明白的是，这个协商一致的矩阵是如何导致最终的聚类的。
假设我有一个协商一致矩阵4*4 (因此我们有4项要聚类)，其中矩阵中0到1之间的每个值表示将项目i和j分配到同一个集群的次数，除以两个项被选择进行聚类的总次数。经过4次迭代80%的子样本(取自这里)，我们可以得到以下的一致性矩阵。我们跟踪了在获得这一协商一致矩阵的过程中形成的所有4组。我们如何根据这个共识矩阵选择最终的聚类？
📷
浏览 0提问于2021-02-26得票数 0
我一直在探索多维数据的聚类算法(K-均值、K-Medoid、Ward聚集、高斯混合建模、BIRCH、DBSCAN、光学、公共最近邻聚类)。我相信，我的数据中的集群发生在特性的不同子集中，而不是发生在所有特性之间，而且我相信这会影响聚类算法的性能。
为了说明，下面是模拟数据集的Python代码：
## Simulate a dataset.
import numpy as np, matplotlib.pyplot as plt
from sklearn.cluster import KMeans
np.random.seed(20220509)
# Simulate three clus
浏览 0提问于2022-05-09得票数 1
回答已采纳
python编程中，需要使用metrics.adjusted_rand_score来度量两个数据聚类之间的相似度，但是，对于adjusted_rand_score(rand index)的详细原理，如何计算还不是很了解，根据互联网上的rand index的定义，它是通过考虑所有的样本对，并统计在预测聚类和真实聚类中分配在相同或不同聚类中的对，来计算两个聚类之间的相似性度量。例如：
>>> adjusted_rand_score([0, 0, 1, 2], [0, 0, 1, 1])
0.57...
>>> adjusted_rand_score([0,
浏览 2提问于2018-02-04得票数 0
1回答
我使用matlab中的对称非负矩阵因式分解算法(SYMNMF)对图G进行聚类。输入如下：
邻接矩阵X
所需的簇数K
我需要定义K，例如：
簇间运行的边数尽可能少。
给出图的邻接矩阵，有什么算法可以用来找出最优的聚类数吗？
浏览 1提问于2015-04-17得票数 0
1回答
路径发现与聚类
、、
对于一个任务，我需要实现一个A*算法，以便使用不同的启发式方法在两个对象之间找到最短路径
null，这实际上变成了Dijkstra。
欧氏距离
聚类
因此，我成功地实现了A*算法和前两个启发式算法，它们工作得非常好。然而，第三个启发我有困难。根据课文
集群启发式是通过将节点分组在集群中来实现的。集群中的节点表示高度互联的某个级别的区域。当游戏中调用启发式时，可以使用超出本书范围的图聚类算法自动完成聚类，如果开始节点和目标节点位于同一簇中，则使用欧几里得距离(或其他回退)来提供结果。否则，估计数将在表中查找。
📷
我不是一个放弃挑战的人，所以我想实现一些自动集群技术。我很懒，我真的不想手动集群节
浏览 0提问于2015-02-22得票数 2
回答已采纳
1回答
为了研究目的，我正在考虑从无到有地实现一个完整的连锁聚类算法。我已经看到，与单一链接相比，有很大的不同：
与单连杆机构不同的是，完全连锁方法会受到抽签情形的强烈影响(其中距离矩阵中有两个组/簇，距离值相同)。
我希望看到一个距离矩阵的例子，其中发生这种情况，并理解为什么会发生。
浏览 2提问于2019-07-30得票数 0
回答已采纳
2回答
记录链接问题
、、、
我正在构建匹配的ML.Project是为了匹配内部客户数据与外部客户data.Features名称，地址，城市，州和邮编。
我们在数据集之间创建对，计算余弦相似度，然后将所有特征对的余弦值传递给高斯混合model.We，从2个聚类开始，期望一个匹配簇和一个不匹配cluster.But ML不构建一个匹配簇，并且匹配在两个簇中。
在传递到ML之前，我使用了标准标量器和最小最大标量器，但是仍然没有得到一个清晰的标号和匹配的cluster.If。
匹配可能是高余弦相似性在名称，地址，州，城市和邮编或名称，地址，邮编或任何其他combinations.We处理巨大的体积，所以我们使用Spark。
如何
浏览 0提问于2019-05-24得票数 1
2回答
估计两个簇间的最小距离
、、、
我正在为数百万个50-1000维点设计一个聚集的，自下而上的聚类算法.在算法的两部分中，我需要比较两个聚类，并确定两个聚类之间的分离。精确距离是取取所有对点P1-P2的最小欧氏距离，其中P1取自簇C1，P2取自簇C2。如果C1有X点，C2有Y点，那么这就需要X*Y距离测量。
目前，我以一种需要X+Y测量的方式估计这个距离：
找到星系团Ctr1的质心C1。
在集群P2中找到与Ctr1最近的点Ctr1。(Y比较)
在P1中查找C1中与P2最接近的点。(X比较)
从P1到P2的距离是簇C1和C2之间距离的近似度量。这是真值的上限.
如果星系团大致是球形的，这是很好的工作。我的
浏览 4提问于2016-01-06得票数 8
回答已采纳
2回答
我有一个有限的点(云)，在它们上定义了一个度量。我想在这个云中找到集群的最大数量，这样：
1)一个星系团中任意两个点之间的最大距离小于给定的epsilon (const)。
2)每个簇中都有k (const)点。
我查看了各种不同的聚类方法，并且对内部最大距离进行限制的聚类不是一个问题(基于密度)。2)限制和要求找到“簇的最大数量”。但似乎是有问题的。有关于有效解决方案的建议吗？
谢谢你，A~
浏览 5提问于2013-02-15得票数 0
1回答
ML模型的鲁棒性
、、、
在试图模拟类似于这论文中描述的ML模型时，经过一些调整后，我似乎最终在一些样本数据上获得了良好的聚类结果。“好的”结果，我的意思是
每个观察结果都被放入一个概率很高的簇中(而不是两个簇之间的50/50或类似的东西)。
很高比例的观测结果被放入正确的聚类中，表明模型确实起了作用。
例如，如果我们有属于簇$a$的观测$A$，以及属于簇$b$的观测$B$，则该模型可以输出用于观察$a$的(0.99, 0.01) (其中0.99表示属于$a$的概率较高，0.01表示属于$b$的概率较低)，而(0.02, 0.98)则输出为属于观察$b$的概率。(这些特定的数字是随机选择的，但通常良好的结果提供了接近0
浏览 0提问于2018-09-07得票数 10
2回答
有效动态聚类
、、、、
我有一组来自单元间隔的数据点(即具有数值的一维数据集)。我在网上收到了一些额外的数据点，而且某些数据点的值可能会动态变化。我正在寻找一个理想的聚类算法，它可以有效地处理这些问题。
我知道会处理新实例的添加，我认为只要稍加修改，它就可以处理动态实例值(即首先从相应的集群中获取已修改的实例，然后更新集群的平均值，最后将修改后的实例作为算法的输入，就像添加一个未见实例一样)。
我对使用k均值算法的关注是，需要提供簇数作为输入。我知道它们优于其他聚类算法(GAs、MSTs、分层方法等)。时间和空间的复杂性。老实说，我不确定，但也许我可以使用上述算法之一。即使我的数据集比较大，一个维度的存在也让我感到奇
浏览 5提问于2014-07-08得票数 0
1回答
我有一组来自搜索引擎的用户查询需要集群。到目前为止，我遇到的唯一的聚类算法是K-means算法，它需要定义聚类的数量。在这种情况下，我不知道数据中存在多少簇。是否有任何聚类算法允许在不预先定义聚类数量的情况下进行聚类？
浏览 0提问于2013-01-29得票数 0
3回答
有一个任意大小的二维网格.(例如1000*1000)
下面是模式：
给定的输入是四个ints: x，表示每个矩形的左下角及其宽度和高度的(x，y)坐标。
具有共享边或重叠的矩形被定义为连接的。
一组连通矩形被定义为一个集群。
每个单元格上的矩形数定义为其厚度。
因此，问题需要计算: 1.最大厚度2.簇数3.单个簇的最大簇元数4.单簇的最大面积
例如，在上面的图片中，最大厚度为3，有2个团簇。一个簇由3个矩形组成，其面积为44。另一组中的元素数为4，区域为30。因此，最大聚类元素数为4，最大聚类面积为44。
我的解决办法太天真了。我使用一个二维int数组来表示网格。在读取输入时，我只
浏览 3提问于2015-02-22得票数 4
1回答
我在Opencv方面有一些经验。我想对图像的颜色进行聚类。
例如，如果我对下面的图像进行聚类：
i应该得到6个集群，每个集群名称作为它们的RGB值以及它们的位置(x，y)。
是否有办法使用Opencv或任何开源包也可以做到这一点。我对Java和C很满意，如果你想要更多的细节，发表你的评论。
浏览 0提问于2011-11-30得票数 1
from sklearn.cluster import SpectralClustering
import numpy as np
test = np.array([[63.15907836],
[69.67386298],
[67.20030411],
[66.25165771],
[62.21031327],
[55.09531565],
[65.85034014],
[52.99841912],
[52.04523986],
[52.09008007],
浏览 18提问于2019-11-03得票数 1
回答已采纳
如果我们知道输入数据中的聚类数，我们可以使用k-means算法。但是，如果我们不知道聚类的数量，那么我们可以选择使用分层聚类算法，该算法将根据给定的相似性阈值自动返回聚类的数量。层次聚类有两个选项，即聚集式(自下而上)或分离式(自上而下)，link。我想使用OpenCV分层聚类。 然而，与实际的层次聚类不同，OpenCVs hierarchicalClustering算法将中心作为参数，并使用行数作为期望聚类的数目。对我来说，OpenCV hierarchicalClustering与k-means聚类是一样的。OpenCV中有没有其他函数可以根据给定的相似度阈值返回聚类的数量？ typed
浏览 40提问于2019-04-04得票数 1
1回答
K均值聚类
、、
我在Matlab上有个问题。我想使用kmeans聚类，然后得到质心的值和索引。例如，如果有一个5*5数组，我们就会对k=2和2个质心进行聚类。我怎样才能得到这些质心的值？我目前在matlab的工作深度，并希望实现一份研究论文。
浏览 0提问于2020-01-31得票数 -1
4回答
我正在执行一个需要将地理点聚在一起的项目。光学算法似乎是一个很好的解决方案。它只需要两个输入参数(MinPts和Epsilon)，它们分别是将它们视为一个簇所需的最小点数，以及用于比较两个点在同一簇中的距离值。
我的问题是，由于点的极端多样性，我不能设置一个固定的epsilon。看看下面的图片。
相同的点结构，但在不同的尺度下，会产生非常不同的结果。假设设置MinPts=2和epsilon =1公里。在左边，算法将创建两个簇(红色和蓝色)，但在右边，它将创建一个包含所有点(红色)的单个集群，但我想获得两个集群，甚至在右边。
所以我的问题是:有什么方法可以动态地计算epsilon值来得
浏览 0提问于2012-06-04得票数 6
回答已采纳
我想使用Hmisc包中的varclus()函数执行变量聚类。然而，如果我将树状图划分为10个变量簇，我不知道如何将变量簇放入表中。
我以前用过
groups <- cutree(hclust(d), k=10)
来削减个体的树状图，但对变量不起作用。
浏览 17提问于2011-09-08得票数 3
为了得到一个好的聚类结果，首先使用层次聚类方法，选择多个聚类，然后提取质心，然后将其作为K均值聚类算法重新运行，并预先指定中心。一个玩具示例：
library(cluster)
data(animals)
ag.a <- agnes(agriculture, method = "ward")
ag.2 <- cutree(ag.a, k = 2)
这会给我两个簇。我如何提取聚类中心的格式，然后将其放入kmeans()算法中，并将其重新应用于相同的数据？
浏览 4提问于2015-06-09得票数 0
1回答
大z得分值
、、、
我们正在研究大型电信数据集。当我们标准化数据时，我们得到了很大的z分数，从-0.xxx到300或400不等！例如，这些属性有min=0和Max，大约4,000,000,000 Yes变量有异常值。在不处理离群点的情况下，我们会有很好的聚类结果吗？
结果表明，8簇聚类的聚类结果(第7组有1,600,000次观测)也有1次观测结果。
我们的问题是什么？
浏览 2提问于2018-06-18得票数 0
回答已采纳
一个聚类(K = 1)可能是K-均值聚类中K值不同的一种有效的、最适合的聚类。在scikit中的"silhouette_score“(v0.23.1)似乎不适用于一个集群，并且会产生一个意外的错误。
下面是要复制的代码：
import numpy as np
from sklearn.metrics import silhouette_samples, silhouette_score
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, rand
浏览 4提问于2020-07-08得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
