Java ELKI获取聚类数据点

使用elki时，如何获取kmeans（llyod）簇中的数据点和质心

我还可以把这些点插入其中一个距离函数，得到任意两个点之间的距离吗

这个问题不同，因为我问题的主要焦点是检索数据点，而不是自定义数据点。另外，另一个线程上的答案目前还不完整，因为它指的是一个目前不起作用的wiki。此外，我想知道具体需要做什么，因为所有库的文档都有点像白鹅追逐，如果你知道/理解库，你会直接给出答案，这样其他有同样问题的人也可以有一个很好的可靠的参考，而不是试图找出库，这将是非常感谢的。

aELKI中的（JavaDoc）从不存储点数据。它只存储点（Wiki），可以使用

getIDs（）

方法获取。要获取原始数据，需要从数据库中获取。该方法

getModel（）

返回集群模型，对于kmeans来说是一个

您可以通过其

DBID

从数据库

关系中获取点数据，
或者根据两个
DBID
s计算距离

KMeans的质心是特殊的-它不是一个数据库对象，但始终是一个数字向量-群集的算术平均值。使用KMeans时，您应该使用。这是一个，其方法是
距离（NumberVector o1，NumberVector o2）
（并非所有距离都适用于数字向量！）

relationship当这个问题提到DBSCAN时，答案包括访问对象。对于分层聚类，这个问题也是：@Anony Mousse在示例文档中，它使用
getoffset
命令并返回数字。它们是与其在数据库中的位置相关的数据点吗？我如何获取中心每个集群的oid？（顺便说一句，图书馆的所有网站都关闭了，我不认为它只是在我这边）.当你得到平均值时，不是每个簇都不同吗？也许我还没有完全理解代码，但看起来你只是使用了一个质心作为距离函数，当距离中心的平均距离，首先得到每个点距离其质心的距离，然后将这些距离相加。Varsum是否也等于summat每个点距离其群集中心的距离是多少？此代码段处理单个群集（
cluster！=Clustering
）；您仍然需要另一个
，才能在所有集群上循环。@ErichSchubert此信息非常有用。我在DBSCAN上遇到了一个问题。由于ELKI用户邮件列表不是英文的，我不知道如何向您提出这个问题。您能告诉我是否可以通过某种方式与您联系吗？我的问题是我尝试了Apache math3 DBSCANCluster呃，得到了我预期的结果，但我不知道如何使用ELKI的DBSCAN获得同样的结果。我可以发布一个stackoverflow问题，但真的需要像你这样的专家来帮助。我们有数亿的数据集——我们担心这些方法可能无法工作。
Relation<? extends NumberVector> rel = ...;
NumberDistanceFunction df = SquaredEuclideanDistanceFunction.STATIC;

... run the algorithm, then iterate over each cluster: ...

Cluster<KMeansModel> cluster = ...;
Vector center = cluster.getModel().getMean(); 
double varsum = cluster.getModel().getVarianceContribution();

double sum = 0.;
// C++-style for loop, for efficiency:
for(DBIDRef id = cluster.getIDs().iterDBIDs(); id.valid(); id.advance()) {
   double distance = df.distance(relation.get(id), center);
   sum += distance;
}

System.out.println(varsum+" should be the same as "+sum);