KMeans和KMedoid 的Matlab实现

K Means和KMedoid算法是聚类算法中比较普遍的方法，本文讲了其原理和matlab中实现的代码。

1.目标：

       找出一个分割，使得距离平方和最小

2.K-Means算法：

       1. 将数据分为k个非空子集

       2. 计算每个类中心点（k-means中用所有点的平均值，K-medoid用离该平均值最近的一个点）center

       3. 将每个object聚类到最近的center

       4. 返回2，当聚类结果不再变化的时候stop

   复杂度：

       O（kndt）

       -计算两点间距离：d

       -指定类：O(kn)   ,k是类数

       -迭代次数上限：t

3.K-Medoids算法:

       1. 随机选择k个点作为初始medoid

       2.将每个object聚类到最近的medoid

       3. 更新每个类的medoid，计算objective function 

       4. 选择最佳参数

       4. 返回2，当各类medoid不再变化的时候stop

    复杂度：

       O（(n^2)d）

       -计算各点间两两距离O（(n^2)d）

       -指定类：O(kn)   ,k是类数

4.特点：

       -聚类结果与初始点有关（因为是做steepest descent from a random initial starting oint）

       -是局部最优解

       -在实际做的时候，随机选择多组初始点，最后选择拥有最低TSD（Totoal Squared Distance）的那组

Kmeans KMedoid Implementation with matlab:

===================

下面是我用matlab上的实现：

说明：fea为训练样本数据，gnd为样本标号。算法中的思想和上面写的一模一样，在最后的判断accuracy方面，由于聚类和分类不同，只是得到一些 cluster ，而并不知道这些 cluster 应该被打上什么标签，或者说。由于我们的目的是衡量聚类算法的 performance ，因此直接假定这一步能实现最优的对应关系，将每个 cluster 对应到一类上去。一种办法是枚举所有可能的情况并选出最优解，另外，对于这样的问题，我们还可以用 Hungarian algorithm 来求解。具体的Hungarian代码我放在了资源里，调用方法已经写在下面函数中了。下面给出Kmeans&Kmedoid主函数。

Kmeans.m 函数：

[cpp]  view plain copy

1. function [ accuracy,MIhat ] = KMeans( K,mode )  
2.   
3. % Artificial Intelligence & Data Mining - KMeans & K-Medoids Clustering  
4. % Author: Sophia_qing @ ZJU  
5. % CreateTime: 2012-11-18  
6. % Function: Clustering  
7. %  -K: number of clusters  
8. %  -mode:   
9. %   1: use kmeans cluster algorithm in matlab  
10. %   2: k_medroid algorithm: use data points as k centers  
11. %   3: k_means algorithm: use average as k centers  
12.   
13. global N_features;  
14. global N_samples;  
15. global fea;  
16. global gnd;  
17.   
18. switch (mode)  
19.     case 1 %call system function KMeans  
20.         label = kmeans(fea,K);  
21.         [label,accuracy] = cal_accuracy(gnd,label);  
22.           
23.     case 2%use kmedroid method  
24.         for testcase = 1:10% do 10 times to get rid of the influence from Initial_center  
25.             K_center = Initial_center(fea,K); %select initial points randomly  
26.             changed_label = N_samples;  
27.             label = zeros(1,N_samples);  
28.             iteration_times = 0;  
29.             while changed_label~=0  
30.                 cls_label = cell(1,K);  
31.                 for i = 1: N_samples  
32.                     for j = 1 : K  
33.                         D(j) = dis(fea(i,:),K_center(j,:));  
34.                     end  
35.                     [~,label(i)] = min(D);  
36.                     cls_label{label(i)} = [cls_label{label(i)} i];  
37.                 end  
38.                 changed_label = 0;  
39.                 cls_center = zeros(K,N_features);  
40.                 for i = 1 : K  
41.                     cls_center(i,:) = mean(fea(cls_label{i},:));  
42.                     D1 = [];  
43.                     for j = 1:size(cls_label{i},2)%number of samples clsutered in i-th class  
44.                         D1(j) = dis(cls_center(i,:),fea(cls_label{i}(j),:));  
45.                     end  
46.                     [~,min_ind] = min(D1);  
47.                     if ~isequal(K_center(i,:),fea(cls_label{i}(min_ind),:))  
48.                         K_center(i,:) = fea(cls_label{i}(min_ind),:);  
49.                         changed_label = changed_label+1;  
50.                     end  
51.                 end  
52.                 iteration_times = iteration_times+1;  
53.             end  
54.             [label,acc(testcase)] = cal_accuracy(gnd,label);  
55.         end  
56.         accuracy = max(acc);  
57.           
58.     case 3%use k-means method  
59.         for testcase = 1:10% do 10 times to get rid of the influence from Initial_center  
60.             K_center = Initial_center(fea,K); %select initial points randomly  
61.             changed_label = N_samples;  
62.             label = zeros(1,N_samples);  
63.             label_new = zeros(1,N_samples);  
64.             while changed_label~=0  
65.                 cls_label = cell(1,K);  
66.                 changed_label = 0;  
67.                 for i = 1: N_samples  
68.                     for j = 1 : K  
69.                         D(j) = dis(fea(i,:),K_center(j,:));  
70.                     end  
71.                     [~,label_new(i)] = min(D);  
72.                     if(label_new(i)~=label(i))  
73.                         changed_label = changed_label+1;  
74.                     end;  
75.                     cls_label{label_new(i)} = [cls_label{label_new(i)} i];  
76.                 end  
77.                 label = label_new;  
78.                   
79.                 for i = 1 : K  %recalculate k centroid  
80.                     K_center(i,:) = mean(fea(cls_label{i},:));  
81.                 end  
82.             end  
83.              [label,acc(testcase)] = cal_accuracy(gnd,label);  
84.         end  
85.         accuracy = max(acc);  
86. end  
87.   
88. MIhat = MutualInfo(gnd,label);  
89.   
90.   
91.     function center = Initial_center(X,K)  
92.         rnd_Idx = randperm(N_samples,K);  
93.         center = X(rnd_Idx,:);  
94.     end  
95.   
96.     function res = dis(X1,X2)  
97.         res = norm(X1-X2);  
98.     end  
99.   
100.     function [res,acc] = cal_accuracy(gnd,estimate_label)  
101.         res = bestMap(gnd,estimate_label);  
102.         acc = length(find(gnd == res))/length(gnd);  
103.     end  
104. end  

实验结果分析：

对上面得到的accuracy进行画图，横坐标为10个数据集，纵坐标为在其上进行聚类的准确率。

其中，auto为matlab内部kmeans函数。

画图：

[cpp]  view plain copy

1. function [  ] = Plot( A,B,C )  
2. %PLOT Summary of this function goes here  
3. %   Detailed explanation goes here  
4. figure;  
5. k = 1:10;  
6. plot(k,A,'-r',k,B,'-b',k,C,'-g');  
7. legend('auto','medoid','means');  
8.   
9.   
10. end  

结果：

5类聚类：

7类聚类：

关于Machine Learning更多的学习资料与相关讨论将继续更新，敬请关注本博客和新浪微博Sophia_qing。