% 通过手肘法确定K-mean聚类的K值;
clc;
clear;
load fisheriris
data_ini = gallery('uniformdata',[200 2],200)*500;
data=mapminmax(data_ini',0,1)';
[n,p]=size(data);
K=15;D=zeros(K,2);
for k=2:K
[lable,c,sumd,d]=kmeans(data,k,'Distance','sqeuclidean');
% data,n×p原始数据向量
% lable,n×1向量,聚类结果标签;
% c,k×p向量,k个聚类质心的位置
% sumd,k×1向量,类间所有点与该类质心点距离之和
% d,n×k向量,每个点与聚类质心的距离
sse1 = sum(sumd);
D(k,1) = k;
D(k,2) = sse1;
end
plot(D(2:end,1),D(2:end,2))
hold on;
plot(D(2:end,1),D(2:end,2),'or');
xielv=zeros(length(D)-2,1);
for i=3:length(D)
xielv(i)=(D(i,2)-D(i-1,2))/(D(i,1)-D(i-1,1));
end
for i=3:length(D)
if(abs(xielv(i)-xielv(i+1))<1&&abs(xielv(i+1)-xielv(i+2))<1)
hh=axis;
plot([i,i],[hh(3),hh(4)],'r--')
break
end
end
title('不同K值聚类偏差图')
xlabel('分类数(K值)')
ylabel('簇内误差平方和')
10-13
6061
10-12
3万+