kは行列上のクラスタリングを意味します

Question

"kmeans"アルゴリズムで多次元関数オブジェクトをクラスタリングしようとしています。それはどういう意味なのですか？つまり、私は各行または個別のベクトルを持たないので、各Individualごとにさらに3x3の観測行列があります。例えば、Individual = 1は次のような観測値を持っています：

（x1、 x3）、（y1、y2、y3）、（z1、z2、z3）である。

他の個人についても同じ構造の観察が行われます。 3つの観測ベクトルをすべて含む「kmeans」でどのようにクラスタ化できるか知っていますか？また、1つの観測ベクトルだけでなく、「kmeans」クラスタリングにどのように使用されるのが普通ですか？ 各観測ベクトルに対して行いますか？ （x1、x2、x3）を分離して、何らかの形で情報を結合しますか？私はkmeans() Rの機能でこれを行いたい

多くのあなたの答えに感謝！

Answer 1

k-を使用すると、各観測をN次元のベクトル空間の点として解釈することができます。次に、観測値とクラスタ中心間の距離を最小にします。

データはN-dim空間の点として表示されるため、値の実際の配置は関係ありません。

したがって、距離を計算するために、k平均ルーチンに行列のノルム（たとえばFrobenius norm）を使用するように指示することができます。もう1つの方法は、3×3行列から1×9ベクトルへの観測値を平坦化することです。 N×N行列のフロベニウスノルムは、1×N^2ベクトルのユークリッドノルムに等しい。

Answer 2

kmeans()に3つの列をすべて指定すると、距離が3次元で計算されます（探している場合）。