1

このデータを分割したいのですが、

ID x    y
1  2.5  3.5
1  85.1 74.1
2  2.6  3.4
2  86.0 69.8
3  25.8 32.9
3  84.4 68.2
4  2.8  3.2
4  24.1 31.8
4  83.2 67.4

私は彼らのパートナーとのマッチを作ることができました

ID x    y    ID x    y   
1  2.5  3.5  1  85.1 74.1
2  2.6  3.4  2  86.0 69.8
             3  25.8 32.9
             4  24.1 31.8

ただし、ID 4 の新しい行の一部が間違って配置されていることがわかります。これは、次の数行に追加されたばかりだからです。すでに使用している複雑なロジックを使用せずに、それらを適切に分割したい...誰かがアルゴリズムやアイデアを教えてくれますか?

それは次のように見えるはずです、

ID x    y    ID x    y      ID x    y 
1  2.5  3.5  1  85.1 74.1   3  25.8 32.9
2  2.6  3.4  2  86.0 69.8   4  24.1 31.8
4  2.8  3.2  3  84.4 68.2
             4  83.2 67.4
4

1 に答える 1

1

あなたの質問は本当にクラスタリングに関するものであり、ID列はどのポイントがどのポイントに対応するかを決定することとは何の関係もないようです。

これを実現するための一般的なアルゴリズムは、k-meansクラスタリングです。ただし、あなたの質問は、クラスターの数が事前にわからないことを意味します。これは問題を複雑にし、この問題に関してStackOverflowですでに多くの質問があります。

  1. クラスターの数を知らなくてもKmeans？
  2. kmeansのクラスターサイズを自動的に計算する
  3. k-meansクラスタリングを使用する場合、kを決定するにはどうすればよいですか？
  4. K-MeansアルゴリズムでKを最適化する方法
  5. K-Meansアルゴリズム

残念ながら、これに対する「正しい」解決策はありません。ある特定の問題の2つのクラスターは、実際には別の問題の1つのクラスターと見なすことができます。これが、自分でそれを決定する必要がある理由です。

それでも、単純な（そしておそらく不正確な）ものを探している場合は、ユークリッド距離を尺度として使用できます。ポイント間の距離を計算し（たとえば、を使用してpdist）、距離が特定のしきい値を下回るポイントをグループ化します。

例

%// Sample input
A = [1,  2.5,  3.5;
     1,  85.1, 74.1;
     2,  2.6,  3.4;
     2,  86.0, 69.8;
     3,  25.8, 32.9;
     3,  84.4, 68.2;
     4,  2.8,  3.2;
     4,  24.1, 31.8;
     4,  83.2, 67.4];

%// Cluster points
pairs = nchoosek(1:size(A, 1), 2); %// Rows of pairs
d = sqrt(sum((A(pairs(:, 1), :) - A(pairs(:, 2), :)) .^ 2, 2)); %// d = pdist(A)
thr = d < 10;                      %// Distances below threshold
kk = 1;
idx = 1:size(A, 1);
C = cell(size(idx));               %// Preallocate memory
while any(idx)
     x = unique(pairs(pairs(:, 1) == find(idx, 1) & thr, :));
     C{kk} = A(x, :);
     idx(x) = 0;                   %// Remove indices from list
     kk = kk + 1;
end
C = C(~cellfun(@isempty, C));      %// Remove empty cells

結果はセル配列Cであり、各セルはクラスターを表します。

C{1} =
    1.0000    2.5000    3.5000
    2.0000    2.6000    3.4000
    4.0000    2.8000    3.2000

C{2} =
    1.0000   85.1000   74.1000
    2.0000   86.0000   69.8000
    3.0000   84.4000   68.2000
    4.0000   83.2000   67.4000

C{3} = 
    3.0000   25.8000   32.9000
    4.0000   24.1000   31.8000

この単純なアプローチには、クラスター半径をしきい値に制限するという欠点があることに注意してください。ただし、単純なソリューションが必要だったため、アルゴリズムに「クラスタリングロジック」を追加すると、複雑になることに注意してください。

于 2013-01-22T14:23:07.643 に答える