Machine learning 在某些数据集上改进K均值

任何人都知道如何调整一个简单的K-means算法来处理数据集。

这个问题的一个可能的解决方案是向数据集添加另一个维度，这两个类之间有一个拆分

---

显然，这在许多情况下并不适用，但如果您对数据应用了某种降维，那么这可能是值得研究的。

在仍然使用k-means的情况下处理该形式数据的最直接方法是使用k-means的核化版本。JSAT库中存在2个it实现（参见此处）

正如Nicholas所说，另一个选择是创建一个新的功能空间，在其中运行k-means。然而，这需要一些关于您将要聚类的数据类型的先验知识

---

在那之后，你真的需要换一种不同的算法。k-means是一个简单的算法，它对世界做出简单的假设，当这些假设被严重违反时（非线性可分离簇就是这些假设之一），那么你只需要接受这一点，然后选择一个更合适的算法

K-means并不是那么简单，您需要自己实现一个距离函数。您始终可以创建一个距离函数，将这些点很好地分组。此外，crossvalidated.SE可能是一个更好的选择。感谢您的回答！我想到了一个解决办法。根据定义，我有两个类（红色和蓝色）。如果我在K-means中增加K，假设为5，然后在合并使argmin函数最小化的两个簇时逐渐减小它（一个接一个），会怎么样？（在这种情况下，函数将随着K的减少而增加，但我将迭代这些对，并找到使其增加最少的对）。希望我清楚。我会考虑一个距离函数，可以匹配这个例子。交叉验证是否用于找到此距离函数的最佳形式？您可以始终使用不同的聚类算法，如DBSCAN，它可以像您提供的示例那样对非凸数据进行聚类。@CommuSoft k-mean非常简单，不应与其他距离函数一起使用，因为它使方差最小，而不是距离最小。。。然而，核k-均值是可能的（最小化核空间中的方差），并且可能解决这个问题。