Javascript 使用K表示根据领导者的得分将人员映射到一个组

我正在尝试创建一种算法，将人与团队的领导者进行匹配。我发现K意味着集群，我认为这是一个方向。这个项目是用javascript编写的，所以我在npm上找到了实现K-means的。现在我很困惑，因为我找不到任何类似的例子，但是如果我有20个人根据他们的领导能力给4个人打分，我该如何格式化我的数据，以便k-means将这20个人分配给小组

准确地说：根据该屏幕截图，我试图将追随者2-20映射到领导者L1-L4，基于他们的领导者得分0,0.5,1,1.5，其中1.5是最高得分（最短距离）。理想情况下有相似大小的群体

我所尝试的：

var data = [[0.5,0.5,0,0],
            [1.5,0,0.5,0],
            [1.5,0,1.5,1],
            [1.5,0.5,0,0],
            [0.5,1.5,0,1],
            [0.5,1.5,0.5,1],
            [0.5,0.5,1,0],
            [1,0,1,1],
            [1.5,1.5,1,0.5],
            [0.5,1,0.5,1],
            [1,1,1,1],
            [1.5,1.5,0.5,1],
            [1,1.5,1,0.5],
            [0,1.5,0.5,1.5],
            [1.5,1,0.5,0],
            [0.5,0,0,1.5],
            [0.5,0,0,1.5],
            [1.5,0.5,1.5,1],
            [0.5,1.5,1,1]];

var res = skmeans(data,4);

---

但这只是根据谁对领导者进行了类似的评分来将追随者分组，而不是将领导者作为质心。打开其他聚类格式，或者如果我完全偏离了完成此任务的更好算法的目标信息。

K-means clustering在此所做的是获得4个任意点，并计算到每个数据点的最短距离，以根据您的要求创建4个聚类。然后得到第一次迭代后形成的每个簇的平均值，为下一次迭代定义质心。因为第一次迭代需要任意点，所以得到的结果是显而易见的

将预期引线定义为质心，而不是让算法获取任意点作为质心，可能会有所帮助

skmeans(data,k,[centroids],[iterations])

---

参考资料：

我尝试了

var中心=[[1,0,0,0]，[0,1,0,0]，[0,0,1,0]，[0,0,0,1]；var res=skmeans（数据，4，中心）并且它根本没有改变输出，它忽略了我的质心并使用了其他质心。还尝试使用列表中的4个精确条目
[0.5,0.5,0,0]，[1.5,0,0.5,0]，[1.5,0,1.5,1]，[1.5,0.5,0,0]，
，这也不起作用，它忽略了它们（输出的质心完全不同）。也尝试过只使用[1,2,3,4]，虽然维度较少，但我的意图显然不起作用。添加
var center=[[1.5,0,0,0,0]，[0,1.5,0,0]，[0,0,1.5,0]，[0,0,0,1.5,0]。它是每个维度的最大值。它将始终以4个质心结束，其中的值是簇的平均值。K-means是一种分类算法，您无法从该算法中获取前导数据点。作为一个建议（这可能不太理想），你可以做的是单独检查新创建的集群，并获得一个维度的最大值作为先导的数据点。是的，在过去的一个小时左右，我终于意识到K-means的工作原理与我想象的略有不同。谢谢你的评论，它帮助我得出了这个结论。在使用1后不久，我确实尝试了1.5的值，但忘记了值没有标准化。我想我可能需要回到我的算法方面。