Matlab：具有预定义总体的K-均值聚类

我试图区分两种人群。每个总体都是一个NxM矩阵，其中N在两者之间固定，M的长度可变（N=每个运行的特定列属性，M=运行编号）。我已经研究了PCA和K-means来区分这两种方法，但我对最佳实践很好奇

据我所知，在K-means中，没有初始的“校准”，其中选择的簇可以区分已知的双峰种群。它只是将距离最小化，并将数据分配给任意数量的总体。我想告诉聚类算法，我想要两个种群分开的最佳拟合。然后，我可以在未来的数据集上使用从初始聚类中得到的拟合。任何帮助、示例代码或阅读材料都将不胜感激

---

-这实际上取决于数据。但为了让你们知道，K-means确实会陷入局部极小值，所以若你们想使用它，试着从不同的随机起点运行它。PCA也可能很有用——就像任何其他光谱聚类方法一样，您对聚类过程的控制要少得多。我建议您使用具有多个随机起点的k-means和c对数据进行聚类，然后您可以使用k-NN对每个新样本进行预测和学习（我不知道它是否对您的案例有用）

---

检查并进行预测。

K-means和PCA通常用于无监督学习问题，即有一批数据且希望找到更简单的方法来描述数据的问题。原则上，您可以对数据运行K-means（K=2），然后评估两类数据与此算法找到的数据集群的匹配程度（注意：您可能需要多次启动）

听起来你有一个有监督的学习问题：你有一个训练数据集，它已经被分为两个类。在这种情况下，k-最近邻（如@amas所述）可能是最类似于k-均值的方法；然而，支持向量机也是一种很有吸引力的方法

我经常提到统计学习的要素：数据挖掘、推理和预测，第二版（统计学中的斯普林格系列），作者是特雷弗·黑斯蒂（Trevor Hastine）、罗伯特·蒂布什拉尼（Robert Tibshirani）和杰罗姆·弗里德曼（Jerome Friedman）