問題タブ [k-means]

クロールされたページ (25,000 を超えるドキュメント、個人データ セット) でクラスタリング テストを実行しました。clusterdump を実行しました:

クラスター ダンパーを実行した後の出力には、25 個の要素 "VL-xxxxx {}" が表示されます。

この出力をどのように解釈しますか?

つまり、特定のクラスターに属するドキュメント ID を探しています。

の意味は何ですか:

• VL-x?
• n=yc=[z:z', ...]
• r=[z'':z''', ...]

0:0.017 は、「0」がこのクラスターに属するドキュメント ID であることを意味しますか?

CL、n、c、r の意味については、mahout の wiki ページを既に読んでいます。しかし、誰かが私にそれらをよりよく説明してくれるか、もう少し詳しく説明されているリソースを指摘してもらえますか?

ばかげた質問をしている場合は申し訳ありませんが、私はApache mahoutの初心者であり、クラスタリングのコース割り当ての一部として使用しています。

次の「ページビューマトリックス」の列見出しがあると想像してください
。本の配置リソースbraca

各行はセッションを表します

これが私のマトリックス、サンプルです：

4 5 0 2 2
1 2 1 7 3
1 3 6 1 6

.txtファイルに保存

これをk-meansプログラムへの入力として指定し、発生頻度が最も高いクラスターを取得できますか？
どうすれば使えますか？

ポイントのセットがあり、それらからクラスターが必要です。通常の k-means アルゴリズムの実行方法を知っています。しかし、「k」を入力として取りたくありません。1,3,4,50,60,70,1000,10002,10004 のようなポイントがある場合、アルゴリズムはそれらを 3 つのクラスターにクラスター化する必要があります C1: 1,3,4 C2: 50,60,70 C3: 1000,1002 ,1004 を満たすクラスター内要素間の距離は最小であり、クラスター間距離は最大でなければなりません。

申し訳ありませんが、これを「きれい」に見せるためにHTMLなどを実際に使用する方法がわかりません。特に、私のサンプルデータを皆さんにとって役立つものにするためです。私は行くにつれてこれを学んでいます。

変数PersVel、TurnVel、およびVelocity（およびおそらく他の変数）でクラスター分析を実行しようとしていますが、これらは今のところ実行されます。私はすでに年ごとにデータを分けていますが、1年あたりの個人の数はさまざまです（IDはそれらの名前です）。個人ごとにこれらの変数に対してk-meansまたは階層的クラスター分析を実行したいと思います。以下のデータはわずか20データポイントです。対象の変数によるクラスターが特定されたら、それをカレンダーの日付または日付/時刻変数にリンクします。最終的には、クラスターがいつ発生したかを知りたいです。

IDをレベルに変換するコードをすでに作成しており、k-meansクラスタリングの変数を標準化する必要があると言われました（したがって、階層型でも同じことを行うと思いますが、それほど大きな問題ではありません）。個人をループさせる方法は？

それで？？？このテストを行うために次の部分を書くにはどうすればよいですか？

私のデータには、いいねのリストを持つユーザーがいます。これらのいいねを各ユーザーの個別のファイルにダンプし、それらをクラスター化したいと考えています。出力が複数のクラスターで同じように見えることを除いて、すべてが機能しています。私の理解では、k-means は排他的であるべきです。問題は、おそらくデータのダンプ方法にあると思います。また、カスタムトークナイザーを作成できるようになるまで、当分の間、すべてのいいねをスペースなしでダンプしました。これが私が実行しているものです（Rubyスクリプトから）。

出力には、各クラスターの「トップ ターム」が一覧表示されますが、多くの類似語が各クラスターで発生します (ただし、重みは異なります)。clusterdumper の通常の出力ですか?各単語がどのクラスターに属しているかをその重みで調べる必要がありますか?

ありがとう

MFCC Algorithm でいくつかのサウンド変数の機能を取得しました。K-Means でそれらをクラスター化したい。私は 70 フレームを持っており、各フレームには 1 つの音声サンプルに対して 9 つのケプストラム係数があります。これは、70*9 サイズのマトリックスのようなものがあることを意味します。

A、B、C が音声レコードであるとします。

A は:

また、B と C も同じ長さです。

各フレームをクラスター化するのではなく、各フレーム ブロックをクラスター化します (私の例では、1 つのグループに 70 フレームがあります)。

JavaでK-Meansを使用して実装するにはどうすればよいですか?

K-means アルゴリズムでは、各クラスターのリスト変数があります。各クラスターの新しい平均を見つけるにはどうすればよいですか?

私はどこでも検索してきましたが、cov(xi, xj) のように、あるベクトルから別のベクトルへの共分散行列を作成する方法しか見つけられませんでした。私が混乱していることの 1 つは、クラスターから共分散行列を取得する方法です。各クラスターには多くのベクトルがあります。それらを1つの共分散行列に入れる方法。助言がありますか？？

情報 ：

input : クラスタ内のベクトル, Xi = (x0,x1,...,xt), x0 = { 5 1 2 3 4} --> 列ベクトル

(実際には、ベクトルごとに 12 の係数を持つ MFCC 特徴ベクトルであり、k-means、8 クラスターでクラスター化した後、各クラスターの共分散行列を取得して、ガウス混合モデルの共分散行列として使用したい)

2 つのドキュメント間の距離を計算するにはどうすればよいですか? 数値の k-means では、2 点間の距離を計算する必要があります。余弦関数が使えることを知りました。RSS ドキュメントをクラスタリングしたい。ステミングを実行し、ドキュメントからストップ ワードを削除しました。各ドキュメントの単語の頻度を数えました。そして今、k-mean アルゴリズムを実装したいと思います。