r - kmeans 分类到预定的质心

我试图将数据点(通过欧几里得距离)分配给一组已知的、预定义的中心点，将点分配给最近的固定中心点。

我有一种感觉，我可能过于复杂/遗漏了一些基本的东西，但我已经尝试使用具有预定中心且没有迭代的 kmeans 实现来做到这一点。但是，根据下面的代码，并且可能是因为算法将进行一次迭代，因此无法正常工作(cl$centers 已“移动”并且不等于原始质心)

是否有另一种简单的方法将矩阵 X 中的点分配给最近的中心？

提前非常感谢，W

x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2), matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(x) <- c("x", "y")

vector=c(0.25,0.5,0.75,1)
ccenters <- as.matrix(cbind(vector,vector))
colnames(ccenters) <- c("x", "y")
ccenters

(cl <- kmeans(x, centers=ccenters,iter.max=1))
plot(x, col = cl$cluster)
points(cl$centers, col = 1:4, pch = 8, cex = 2)
cl$centers
cl$centers==ccenters

最佳答案

您可以直接计算每个点和每个中心之间的距离和
看看最近的中心。

# All the distances (you could also use a loop)
distances <- outer(
  1:nrow(x),
  1:nrow(ccenters),
  Vectorize( function(i,j) {
    sum( (x[i,] - ccenters[j,])^2 )
  } )
)

# Find the nearest cluster
clusters <- apply( distances, 1, which.min )

# Plot
plot( x, col=clusters, pch=15 )
segments( ccenters[clusters,1], ccenters[clusters,2], x[,1], x[,2], col=clusters )

关于r - kmeans 分类到预定的质心，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/16283347/