鸢尾花数据集K-means聚类分析MATLAB实现

jllllyuz2026-03-19 12:09

用于对UCI鸢尾花数据集进行K-means聚类分析。

matlab 复制代码 
%% 鸢尾花数据集K-means聚类分析
% 描述: 对UCI鸢尾花数据集进行K-means聚类分析

%% 1. 数据加载与探索
clear; close all; clc;

% 加载鸢尾花数据集
load fisheriris; % MATLAB内置数据集
% 或者使用UCI原始数据格式
% url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data';
% irisData = readtable(url, 'FileType', 'text', 'ReadVariableNames', false);
% irisData.Properties.VariableNames = {'SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species'};

% 显示数据集基本信息
fprintf('===== 鸢尾花数据集信息 =====\n');
fprintf('样本数量: %d\n', size(meas, 1));
fprintf('特征数量: %d\n', size(meas, 2));
fprintf('类别数量: %d\n', length(unique(species)));
fprintf('特征名称: %s, %s, %s, %s\n', ...
    '花萼长度(cm)', '花萼宽度(cm)', '花瓣长度(cm)', '花瓣宽度(cm)');

% 显示前10个样本
fprintf('\n前10个样本数据:\n');
disp(array2table([meas(1:10,:), categorical(species(1:10))], ...
    'VariableNames', {'花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度', '种类'}));

% 显示统计信息
fprintf('\n===== 特征统计信息 =====\n');
stats = [mean(meas); std(meas); min(meas); max(meas)];
disp(array2table(stats, 'RowNames', {'均值', '标准差', '最小值', '最大值'}, ...
    'VariableNames', {'花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度'}));

%% 2. 数据预处理
% 数据标准化（重要：K-means对尺度敏感）
data = zscore(meas); % Z-score标准化

% 可视化原始数据分布
figure('Position', [100, 100, 1200, 800]);

% 花瓣长度和宽度的散点图（按类别着色）
subplot(2,3,1);
gscatter(meas(:,3), meas(:,4), species, 'rgb', 'osd');
xlabel('花瓣长度 (cm)'); ylabel('花瓣宽度 (cm)');
title('原始数据分布 (花瓣特征)');
legend('位置', 'bestoutside');
grid on;

% 花萼长度和宽度的散点图（按类别着色）
subplot(2,3,2);
gscatter(meas(:,1), meas(:,2), species, 'rgb', 'osd');
xlabel('花萼长度 (cm)'); ylabel('花萼宽度 (cm)');
title('原始数据分布 (花萼特征)');
grid on;

% 标准化后数据分布
subplot(2,3,3);
gscatter(data(:,3), data(:,4), species, 'rgb', 'osd');
xlabel('标准化花瓣长度'); ylabel('标准化花瓣宽度');
title('标准化数据分布');
grid on;

% 特征相关性热图
subplot(2,3,4);
corrMatrix = corrcoef(meas);
imagesc(corrMatrix);
colorbar;
set(gca, 'XTick', 1:4, 'YTick', 1:4, 'XTickLabel', {'花萼长', '花萼宽', '花瓣长', '花瓣宽'});
title('特征相关性矩阵');
axis square;

% 特征箱线图
subplot(2,3,5);
boxplot(meas, species, 'Labels', unique(species));
xlabel('鸢尾花种类'); ylabel('特征值 (cm)');
title('各类别特征分布');
grid on;

% 数据分布直方图
subplot(2,3,6);
histogram(meas(:,3), 20, 'FaceColor', 'b', 'EdgeColor', 'none');
hold on;
histogram(meas(:,4), 20, 'FaceColor', 'r', 'EdgeColor', 'none');
xlabel('特征值 (cm)'); ylabel('频次');
title('花瓣特征分布');
legend('花瓣长度', '花瓣宽度');
grid on;

%% 3. K-means聚类分析
% 确定最佳聚类数（肘部法则）
maxK = 10;
inertias = zeros(maxK, 1);
silhouetteScores = zeros(maxK, 1);

fprintf('\n===== 确定最佳聚类数 =====\n');
for k = 1:maxK
    [idx, C, sumd] = kmeans(data, k, 'Replicates', 5, 'Display', 'off');
    inertias(k) = sumd;
    
    if k > 1
        silhouetteScores(k) = mean(silhouette(data, idx));
    end
    
    fprintf('K=%d, 总距离平方和=%.2f, 轮廓系数=%.4f\n', k, inertias(k), silhouetteScores(k));
end

% 绘制肘部法则图
figure;
subplot(1,2,1);
plot(1:maxK, inertias, 'bo-', 'LineWidth', 2, 'MarkerSize', 8);
xlabel('聚类数 K');
ylabel('总距离平方和 (SSE)');
title('肘部法则确定最佳K值');
grid on;

% 绘制轮廓系数图
subplot(1,2,2);
plot(2:maxK, silhouetteScores(2:end), 'ro-', 'LineWidth', 2, 'MarkerSize', 8);
xlabel('聚类数 K');
ylabel('平均轮廓系数');
title('轮廓系数确定最佳K值');
grid on;

% 选择最佳K值（已知有3类，但我们也让算法自动判断）
knownK = 3;
[optimalK, optimalScore] = findOptimalK(silhouetteScores, 2:maxK);
fprintf('\n根据轮廓系数，最佳聚类数为: %d (得分=%.4f)\n', optimalK, optimalScore);
fprintf('已知真实类别数为: %d\n', knownK);

% 使用已知类别数进行聚类
k = knownK;
rng(42); % 设置随机种子确保结果可重现
[idx, C, sumd, D] = kmeans(data, k, 'Replicates', 20, 'Display', 'final');

% 显示聚类中心（原始尺度）
originalCenters = C .* std(meas) + mean(meas);
fprintf('\n===== 聚类中心 (原始尺度) =====\n');
centersTable = array2table([originalCenters, mean(meas, 1)'], ...
    'RowNames', {'聚类1', '聚类2', '聚类3', '总体均值'}, ...
    'VariableNames', {'花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度'});
disp(centersTable);

%% 4. 聚类结果评估
% 与真实标签比较
confusionMatrix = confusionmat(species, categorical(idx));
accuracy = sum(diag(confusionMatrix)) / sum(confusionMatrix(:));

fprintf('\n===== 聚类性能评估 =====\n');
fprintf('调整兰德指数 (ARI): %.4f\n', adjustedRandIndex(species, categorical(idx)));
fprintf('标准化互信息 (NMI): %.4f\n', mutualinfo(species, categorical(idx), 'Normalized'));
fprintf('同质性: %.4f\n', homogeneity(species, categorical(idx)));
fprintf('完整性: %.4f\n', completeness(species, categorical(idx)));
fprintf('V-measure: %.4f\n', vmeasure(species, categorical(idx)));
fprintf('轮廓系数: %.4f\n', mean(silhouette(data, idx)));
fprintf('聚类准确率: %.2f%%\n', accuracy*100);

% 显示混淆矩阵
figure;
confusionchart(species, categorical(idx), ...
    'Title', '聚类结果与真实标签对比', ...
    'RowSummary', 'row-normalized', ...
    'ColumnSummary', 'column-normalized');

%% 5. 聚类结果可视化
% 降维可视化（PCA）
[coeff, score, latent] = pca(data);
explainedVar = cumsum(latent)./sum(latent);

% 可视化聚类结果
figure('Position', [100, 100, 1400, 600]);

% PCA投影（前两个主成分）
subplot(1,3,1);
gscatter(score(:,1), score(:,2), idx, 'rgb', 'osd');
hold on;
plot(score(:,1), score(:,2), '.', 'Color', [0.5 0.5 0.5], 'MarkerSize', 8);
xlabel(sprintf('PC1 (%.1f%%)', explainedVar(1)*100));
ylabel(sprintf('PC2 (%.1f%%)', explainedVar(2)*100));
title('K-means聚类结果 (PCA投影)');
legend('位置', 'bestoutside');
grid on;

% 真实标签投影
subplot(1,3,2);
gscatter(score(:,1), score(:,2), species, 'rgb', 'osd');
xlabel(sprintf('PC1 (%.1f%%)', explainedVar(1)*100));
ylabel(sprintf('PC2 (%.1f%%)', explainedVar(2)*100));
title('真实类别分布 (PCA投影)');
grid on;

% 聚类中心投影
subplot(1,3,3);
scatter(score(:,1), score(:,2), 30, idx, 'filled');
hold on;
scatter(C(:,1), C(:,2), 200, 'kx', 'LineWidth', 3, 'MarkerSize', 12);
xlabel(sprintf('PC1 (%.1f%%)', explainedVar(1)*100));
ylabel(sprintf('PC2 (%.1f%%)', explainedVar(2)*100));
title('聚类中心位置 (PCA投影)');
colorbar('Ticks', 1:k, 'TickLabels', {'聚类1', '聚类2', '聚类3'});
grid on;

% 特征空间可视化（选择两个最重要特征）
featurePairs = {[3,4], [1,3], [2,4], [1,4]}; % 花瓣长宽、花萼长花瓣长等
featureNames = {'花瓣长度', '花瓣宽度'; '花萼长度', '花瓣长度'; ...
                '花萼宽度', '花瓣宽度'; '花萼长度', '花瓣宽度'};

figure('Position', [100, 100, 1200, 900]);
for i = 1:4
    subplot(2,2,i);
    scatter(data(:,featurePairs{i}(1)), data(:,featurePairs{i}(2)), 30, idx, 'filled');
    hold on;
    scatter(C(:,featurePairs{i}(1)), C(:,featurePairs{i}(2)), 200, 'kx', 'LineWidth', 3, 'MarkerSize', 12);
    xlabel(featureNames{i,1});
    ylabel(featureNames{i,2});
    title(sprintf('聚类结果 (%s vs %s)', featureNames{i,1}, featureNames{i,2}));
    colorbar('Ticks', 1:k, 'TickLabels', {'聚类1', '聚类2', '聚类3'});
    grid on;
end

%% 6. 聚类结果分析
% 分析每个聚类的特征
clusterStats = zeros(k, size(meas, 2));
for i = 1:k
    clusterData = meas(idx == i, :);
    clusterStats(i, :) = [mean(clusterData); std(clusterData)]';
end

fprintf('\n===== 各聚类特征统计 =====\n');
clusterStatsTable = array2table(clusterStats, ...
    'RowNames', {'聚类1', '聚类2', '聚类3'}, ...
    'VariableNames', {'花萼长度均值', '花萼宽度均值', '花瓣长度均值', '花瓣宽度均值'});
disp(clusterStatsTable);

% 分析聚类与真实类别的对应关系
speciesPerCluster = cell(k, 1);
for i = 1:k
    clusterSpecies = species(idx == i);
    speciesCounts = tabulate(clusterSpecies);
    [~, maxIdx] = max(speciesCounts(:,2));
    dominantSpecies = speciesCounts(maxIdx, 1);
    speciesPerCluster{i} = sprintf('%s (%.1f%%)', dominantSpecies, ...
        speciesCounts(maxIdx, 2)/sum(speciesCounts(:,2))*100);
end

fprintf('\n===== 聚类与真实类别对应 =====\n');
for i = 1:k
    fprintf('聚类%d: 主要包含 %s\n', i, speciesPerCluster{i});
end

% 可视化聚类决策边界（使用PCA前两个主成分）
figure;
gscatter(score(:,1), score(:,2), idx, 'rgb', 'osd');
hold on;

% 创建网格以绘制决策边界
xMin = min(score(:,1)); xMax = max(score(:,1));
yMin = min(score(:,2)); yMax = max(score(:,2));
[xGrid, yGrid] = meshgrid(linspace(xMin, xMax, 100), linspace(yMin, yMax, 100));
gridPoints = [xGrid(:), yGrid(:)];

% 使用最近邻分类器近似决策边界
gridLabels = knnclassify(gridPoints, score(:,1:2), idx, 1);
contourf(xGrid, yGrid, reshape(gridLabels, size(xGrid)), 'LineStyle', 'none');
alpha(0.2);

% 重新绘制数据点
gscatter(score(:,1), score(:,2), idx, 'rgb', 'osd', 8);
xlabel(sprintf('PC1 (%.1f%%)', explainedVar(1)*100));
ylabel(sprintf('PC2 (%.1f%%)', explainedVar(2)*100));
title('K-means聚类决策边界 (PCA投影)');
colorbar('Ticks', 1:k, 'TickLabels', {'聚类1', '聚类2', '聚类3'});
grid on;

%% 7. 不同初始化方法比较
initMethods = {'plus', 'sample', 'uniform'};
results = struct();

figure('Position', [100, 100, 1200, 400]);
for m = 1:length(initMethods)
    method = initMethods{m};
    [idx_m, C_m, sumd_m] = kmeans(data, k, 'Replicates', 10, ...
        'Start', method, 'Display', 'off');
    
    % 计算轮廓系数
    silScore = mean(silhouette(data, idx_m));
    results.(method).Silhouette = silScore;
    results.(method).ARI = adjustedRandIndex(species, categorical(idx_m));
    
    % 可视化
    subplot(1,3,m);
    gscatter(score(:,1), score(:,2), idx_m, 'rgb', 'osd');
    title(sprintf('初始化方法: %s\n轮廓系数=%.4f', method, silScore));
    xlabel(sprintf('PC1 (%.1f%%)', explainedVar(1)*100));
    ylabel(sprintf('PC2 (%.1f%%)', explainedVar(2)*100));
    grid on;
end

fprintf('\n===== 不同初始化方法比较 =====\n');
for m = 1:length(initMethods)
    method = initMethods{m};
    fprintf('%s: 轮廓系数=%.4f, ARI=%.4f\n', ...
        method, results.(method).Silhouette, results.(method).ARI);
end

%% 8. 保存结果
% 保存聚类结果
clusterResults = table(meas(:,1), meas(:,2), meas(:,3), meas(:,4), ...
    species, categorical(idx), 'VariableNames', ...
    {'SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', ...
     'TrueSpecies', 'ClusterID'});
writetable(clusterResults, 'iris_clustering_results.csv');

% 保存聚类中心
centerResults = array2table([C, originalCenters], ...
    'VariableNames', {'PC1', 'PC2', 'PC3', 'PC4', ...
                     'SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth'});
writetable(centerResults, 'iris_cluster_centers.csv');

fprintf('\n聚类结果已保存到 iris_clustering_results.csv\n');
fprintf('聚类中心已保存到 iris_cluster_centers.csv\n');

%% 辅助函数定义

function [optimalK, optimalScore] = findOptimalK(scores, range)
    % 寻找最佳聚类数（基于轮廓系数）
    [optimalScore, idx] = max(scores(range));
    optimalK = range(idx);
end

function ari = adjustedRandIndex(labels1, labels2)
    % 计算调整兰德指数 (ARI)
    contingency = crosstab(labels1, labels2);
    n = sum(contingency(:));
    nis = sum(sum(contingency, 1).^2);
    njs = sum(sum(contingency, 2).^2);
    t1 = nchoosek(n, 2);
    t2 = sum(sum(contingency.^2));
    t3 = 0.5 * (nis + njs);
    ari = (t2 - t3) / (t1 - t3);
end

function mi = mutualinfo(labels1, labels2, varargin)
    % 计算互信息 (MI)
    normalize = false;
    if nargin > 2 && strcmp(varargin{1}, 'Normalized')
        normalize = true;
    end
    
    contingency = crosstab(labels1, labels2);
    n = sum(contingency(:));
    pxy = contingency / n;
    px = sum(pxy, 2);
    py = sum(pxy, 1);
    
    % 计算互信息
    mi = 0;
    for i = 1:size(pxy, 1)
        for j = 1:size(pxy, 2)
            if pxy(i,j) > 0
                mi = mi + pxy(i,j) * log2(pxy(i,j) / (px(i)*py(j)));
            end
        end
    end
    
    if normalize
        hx = -sum(px .* log2(px + (px==0)));
        hy = -sum(py .* log2(py + (py==0)));
        mi = mi / sqrt(hx*hy);
    end
end

function h = homogeneity(labelsTrue, labelsPred)
    % 计算同质性
    contingency = crosstab(labelsTrue, labelsPred);
    n = sum(contingency(:));
    ni = sum(contingency, 2);
    nj = sum(contingency, 1);
    
    h = 0;
    for k = 1:size(contingency, 2)
        for i = 1:size(contingency, 1)
            if contingency(i,k) > 0
                h = h + contingency(i,k) * log2(contingency(i,k) / (ni(i)*nj(k)/n));
            end
        end
    end
    h = 1 - (-h) / (n * log2(n));
end

function c = completeness(labelsTrue, labelsPred)
    % 计算完整性
    c = homogeneity(labelsPred, labelsTrue);
end

function v = vmeasure(labelsTrue, labelsPred)
    % 计算V-measure
    h = homogeneity(labelsTrue, labelsPred);
    c = completeness(labelsTrue, labelsPred);
    v = (2*h*c) / (h+c);
end

功能说明

1. 数据加载与探索

  • 加载MATLAB内置的鸢尾花数据集

  • 显示数据集基本信息和统计特性

  • 可视化数据分布和相关性

2. 数据预处理

  • 使用Z-score标准化数据（K-means对尺度敏感）

  • 可视化原始数据和标准化后数据的分布

3. K-means聚类分析

  • 使用肘部法则和轮廓系数确定最佳聚类数

  • 执行K-means聚类（K=3，对应三种鸢尾花）

  • 显示聚类中心和总距离平方和

4. 聚类结果评估

  • 计算多种聚类评估指标：

    • 调整兰德指数(ARI)

    • 标准化互信息(NMI)

    • 同质性、完整性、V-measure

    • 轮廓系数

    • 聚类准确率

  • 显示混淆矩阵

5. 聚类结果可视化

  • PCA降维可视化聚类结果

  • 在多个特征平面上可视化聚类

  • 绘制聚类决策边界

6. 聚类结果分析

  • 分析每个聚类的特征统计

  • 确定聚类与真实类别的对应关系

  • 比较不同初始化方法的效果

7. 结果保存

  • 保存聚类结果到CSV文件

  • 保存聚类中心信息

关键技术实现

1. K-means聚类核心算法

matlab 复制代码 
% 使用MATLAB内置kmeans函数
[idx, C, sumd, D] = kmeans(data, k, 'Replicates', 20, 'Display', 'final');

% 参数说明:
% data: 标准化后的数据矩阵
% k: 聚类数
% Replicates: 重复运行次数（取最佳结果）
% Display: 显示进度信息

2. 最佳聚类数确定

matlab 复制代码 
% 肘部法则
for k = 1:maxK
    [idx, C, sumd] = kmeans(data, k, 'Replicates', 5, 'Display', 'off');
    inertias(k) = sumd; % 总距离平方和
end

% 轮廓系数法
for k = 2:maxK
    [idx, C] = kmeans(data, k, 'Replicates', 5, 'Display', 'off');
    silhouetteScores(k) = mean(silhouette(data, idx));
end

3. 聚类评估指标

matlab 复制代码 
% 调整兰德指数
ari = adjustedRandIndex(species, categorical(idx));

% 轮廓系数
silScore = mean(silhouette(data, idx));

% 同质性、完整性、V-measure
h = homogeneity(species, categorical(idx));
c = completeness(species, categorical(idx));
v = vmeasure(species, categorical(idx));

4. 数据标准化

matlab 复制代码 
% Z-score标准化（重要：K-means对尺度敏感）
data = zscore(meas); % 均值为0，标准差为1

% 标准化后恢复原始尺度
originalCenters = C .* std(meas) + mean(meas);

参考代码 对UCI数据集中的鸢尾花数据集进行kmeans算法聚类 www.youwenfan.com/contentcss/95861.html

算法原理与数学基础

1. K-means算法

K-means是一种基于距离的聚类算法，目标是将n个样本划分为K个簇，使得簇内样本相似度高，簇间样本相似度低。

目标函数:

其中SiS_iSi是第iii个簇，μiμ_iμi是簇中心。

算法步骤:

  1. 随机选择K个初始中心点

  2. 将每个样本分配到最近的中心点所属簇

  3. 重新计算每个簇的中心点

  4. 重复步骤2-3直到收敛

2. 聚类评估指标

调整兰德指数(ARI)

衡量聚类结果与真实标签的一致性，取值范围[-1,1]，1表示完全一致。

ARI=RI−E[RI]max(RI)−E[RI]ARI=\frac{RI−E[RI]}{max(RI)−E[RI]}ARI=max(RI)−E[RI]RI−E[RI]

轮廓系数

衡量样本与其自身簇的紧密度和与其他簇的分离度，取值范围[-1,1]，越大越好。

s(i)=b(i)−a(i)maxa(i),b(i)s(i)=\frac{b(i)−a(i)}{max{a(i),b(i)}}s(i)=maxa(i),b(i)b(i)−a(i)

互信息(MI)

衡量两个聚类结果的共享信息量，标准化后可比较不同聚类数的结果。

使用说明

1. 基本使用

matlab 复制代码 
% 直接运行程序
irisClusteringAnalysis();

% 或者分步执行
load fisheriris;
data = zscore(meas);
[idx, C] = kmeans(data, 3);

2. 参数调整

matlab 复制代码 
% 尝试不同聚类数
k_values = 2:6;
for k = k_values
    [idx, C] = kmeans(data, k, 'Replicates', 10);
    % 评估性能...
end

% 调整K-means参数
[idx, C] = kmeans(data, 3, ...
    'Distance', 'sqeuclidean', ... % 距离度量
    'Start', 'plus', ...           % 初始化方法 ('plus', 'sample', 'uniform')
    'Replicates', 50, ...           % 重复次数
    'MaxIter', 1000);               % 最大迭代次数

3. 使用自定义数据集

matlab 复制代码 
% 加载自己的数据集
data = csvread('your_dataset.csv');
data = zscore(data); % 标准化

% 执行聚类
k = 4; % 假设有4个类别
[idx, C] = kmeans(data, k);

% 可视化结果
scatter(data(:,1), data(:,2), 50, idx, 'filled');

扩展功能

1. 肘部法则自动检测

matlab 复制代码 
function optimalK = elbowMethod(inertias)
    % 自动检测肘点
    nPoints = length(inertias);
    allCoord = [reshape(1:nPoints, nPoints, 1), inertias];
    
    % 计算相邻点连线的斜率
    firstPoint = allCoord(1,:);
    lineVec = allCoord(end,:) - firstPoint;
    lineVecNorm = lineVec / norm(lineVec);
    
    vecFromFirst = bsxfun(@minus, allCoord, firstPoint);
    scalarProduct = dot(vecFromFirst, repmat(lineVecNorm, nPoints, 1), 2);
    vecFromFirstParallel = scalarProduct * lineVecNorm;
    vecToLine = vecFromFirst - vecFromFirstParallel;
    
    distToLine = norm(vecToLine, 2, 2);
    [~, optimalK] = max(distToLine);
end

2. 高斯混合模型(GMM)比较

matlab 复制代码 
% 使用GMM进行聚类
gm = fitgmdist(data, k, 'RegularizationValue', 0.01);
gmmIdx = cluster(gm, data);

% 比较GMM和K-means
figure;
subplot(1,2,1);
gscatter(score(:,1), score(:,2), idx, 'rgb', 'osd');
title('K-means聚类');

subplot(1,2,2);
gscatter(score(:,1), score(:,2), gmmIdx, 'rgb', 'osd');
title('GMM聚类');

3. 层次聚类比较

matlab 复制代码 
% 层次聚类
distMatrix = pdist(data, 'euclidean');
linkageMatrix = linkage(distMatrix, 'ward');
hierIdx = cluster(linkageMatrix, 'maxclust', k);

% 可视化树状图
figure;
dendrogram(linkageMatrix, 'ColorThreshold', 'default');
title('层次聚类树状图');

4. 聚类结果解释

matlab 复制代码 
% 分析每个聚类的特征重要性
for i = 1:k
    clusterData = data(idx == i, :);
    % 与总体比较
    tTestResults = ttest2(data, clusterData);
    significantFeatures = find(tTestResults.h == 1);
    fprintf('聚类%d的显著特征: %s\n', i, num2str(significantFeatures));
end

常见问题解决

  1. 聚类结果不稳定

    • 增加Replicates参数值

    • 使用更好的初始化方法（'plus'++）

    • 设置随机种子确保可重现性

  2. 聚类数选择困难

    • 结合多种方法（肘部法则+轮廓系数+业务知识）

    • 尝试不同K值并比较结果

    • 使用Gap统计量

  3. 高维数据聚类效果差

    • 先进行降维（PCA、t-SNE）

    • 使用特征选择方法

    • 尝试子空间聚类算法

  4. 聚类结果难以解释

  • 分析每个聚类的特征统计

  • 可视化聚类中心

  • 与已知类别比较

实际应用建议

  1. 数据预处理

    • 必须标准化/归一化数据

    • 处理缺失值

    • 考虑特征工程

  2. 参数调优

    • 尝试不同距离度量（欧氏、曼哈顿、余弦）

    • 调整初始化方法和重复次数

    • 考虑使用K-medoids算法（对离群点更鲁棒）

  3. 结果验证

    • 使用多种评估指标

    • 进行稳定性分析（多次运行）

    • 与领域专家合作解释结果

  4. 部署应用

  • 将聚类模型保存为函数

  • 开发交互式可视化界面

  • 集成到更大的分析流程中

相关推荐
kiku18182 小时前
Mysql数据库
数据库·mysql·oracle
未秃头的程序猿2 小时前
面试官：谈谈你对 MySQL 执行计划的理解？
后端·mysql·面试
机器学习之心2 小时前
移动机器人在静态与动态障碍物环境下的全局路径规划与局部避障仿真MATLAB代码
matlab·移动机器人·路径规划
轩情吖3 小时前
MySQL之表的增删查改
android·开发语言·c++·后端·mysql·adb·表
梨落秋霜3 小时前
Python入门篇【正则表达式】
python·mysql·正则表达式
pupudawang3 小时前
mysql之联合索引
数据库·mysql
刘晨鑫13 小时前
MySQL的初步认识和安装
数据库·mysql
悲伤小伞3 小时前
6-MySQL_表的内置函数
数据库·mysql
leo__5204 小时前
经典链路预测相似性算法的MATLAB实现
数据结构·算法·matlab
热门推荐
01GitHub 镜像站点02Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南03OpenClaw 使用和管理 MCP 完全指南04UV安装并设置国内源05OpenClaw Control UI安全上下文访问配置06AI 编程三剑客：Spec-Kit、OpenSpec、Superpowers 深度对比与实战指南07小黑课堂计算机二级WPSoffice题库软件下载安装教程（2026年3月最新版）08Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services09OpenClaw macOS 完整安装与本地模型配置教程（实战版）10本地部署 OpenClaw + DeepSeek-R1 完全指南