Так что я'я пишу скрипт k-means в MATLAB, так как нативная функция неКажется, что он очень эффективен, и, кажется, полностью работоспособен. Кажется, я работаю над небольшим тренировочным набором, который яm (это матрица 150x2, которая подается через текстовый файл). Однако время выполнения моего экспоненциального набора данных экспоненциально увеличивается, что составляет матрицу 3924x19.I '

Я не лучший в векторизации, поэтому любые предложения будут с благодарностью. Вот'мой сценарий k-означает, что пока (я знаю,мне придется скорректировать мое условие сходимости, так какищет точное совпадение, а яВозможно, понадобится больше итераций для такого большого набора данных, но я хочу, чтобы он смог завершиться в разумные сроки, прежде чем я проверю это число):

clear all;

%take input file (manually specified by user
disp('Please type input filename (in working directory): ')
target_file = input('filename: ', 's');

%parse and load into matrix
data = load(target_file);

%prompt name of output file for later) UNCOMMENT BELOW TWO LINES LATER
% disp('Please type output filename (to be saved in working directory): ')
% output_name = input('filename:', 's')

%prompt number of clusters
disp('Please type desired number of clusters: ')
c = input ('number of clusters: ');

%specify type of kmeans algorithm ('regular' for regular, 'fuzzy' for fuzzy)
%UNCOMMENT BELOW TWO LINES LATER
% disp('Please specify type (regular or fuzzy):')
% runtype = input('type: ', 's')

%initialize cluster centroid locations within bounds given by data set

%initialize rangemax and rangemin row vectors
%with length same as number of dimensions
rangemax = zeros(1,size(data,2)); 
rangemin = zeros(1,size(data,2));

%map max and min values for bounds
for dim = 1:size(data,2)
    rangemax(dim) = max(data(:,dim));
    rangemin(dim) = min(data(:,dim));
end

% rangemax
% rangemin

%randomly initialize mu_k (center) locations in (k x n) matrix where k is
%cluster number and n is number of dimensions/coordinates

mu_k = zeros(c,size(data,2));

for k = 1:size(data,2)
    mu_k(k,:) = rangemin + (rangemax - rangemin).*rand(1,1);
end

mu_k

%iterate k-means

%initialize holding variable for distance comparison
comparisonmatrix = [];

%initialize assignment vector
assignment = zeros(size(data,1),1);

%initialize distance holding vector
dist = zeros(1,size(data,2));

%specify convergence threshold
%threshold = 0.001;

for iteration = 1:25

    %save current assignment values to check convergence condition
    hold_assignment = assignment;

    for point = 1:size(data,1)

        %calculate distances from point to centers
        for k = 1:c
            %holding variables
            comparisonmatrix = [data(point,:);mu_k(k,:)];

            dist(k) = pdist(comparisonmatrix);
        end

        %record location of mininum distance (location value will be between 1
        %and k)
        [minval, location] = min(dist);

        %assign cluster number (analogous to location value)
        assignment(point) = location;

    end

    %check convergence criteria

    if isequal(assignment,hold_assignment)
        break
    end

    %revise mu_k locations

    %count number of each label
    assignment_count = zeros(1,c);

    for i = 1:size(data,1)
        assignment_count(assignment(i)) = assignment_count(assignment(i)) + 1;
    end

    %compute centroids
    point_total = zeros(size(mu_k));

    for row = 1:size(data,1)
        point_total(assignment(row),:) = point_total(assignment(row)) + data(row,:);
    end

    %move mu_k values to centroids
    for center = 1:c
        mu_k(center,:) = point_total(center,:)/assignment_count(center);
    end
end

Там много петель, поэтому я чувствую, чтоМного оптимизации предстоит сделать. Тем не менее, я думаю, чтоЯ просто слишком долго смотрел на этот код, так что некоторые свежие глаза могут помочь. Пожалуйста, дайте мне знать, если мне нужно что-то уточнить в блоке кода.

Когда вышеуказанный кодовый блок выполняется (в контексте) для большого набора данных, это занимает 3732,152 секунды, в соответствии с MATLAB 'с профайлером, чтобы сделать полные 25 итераций (яЯ предполагаю, что это не таксходились» по моим критериям еще) для 150 кластеров, но около 130 из них возвращают NaN (130 строк в mu_k).