Создайте две матрицы с тремя наблюдениями и тремя переменными.

rng('default') % For reproducibility
X = rand(3,3)
Y = [X(:,1:2) rand(3,1)]

X =

    0.8147    0.9134    0.2785
    0.9058    0.6324    0.5469
    0.1270    0.0975    0.9575


Y =

    0.8147    0.9134    0.9649
    0.9058    0.6324    0.1576
    0.1270    0.0975    0.9706

Первые два столбца X и Y идентичны. Предположим, что X(1,1) отсутствует.

X(1,1) = NaN

X =

       NaN    0.9134    0.2785
    0.9058    0.6324    0.5469
    0.1270    0.0975    0.9575

Вычислите расстояние Хэмминга.

D1 = pdist2(X,Y,'hamming')

D1 =

       NaN       NaN       NaN
    1.0000    0.3333    1.0000
    1.0000    1.0000    0.3333

Если наблюдение i в X или наблюдение j в Y содержит NaN значения, функция pdist2 прибыль NaN для попарного расстояния между i и j. Следовательно, D1 (1,1), D1 (1,2) и D1 (1,3) являютсяNaN значения.

Определение пользовательской функции расстояния nanhamdist который игнорирует координаты с NaN и вычисляет расстояние Хэмминга. При работе с большим количеством наблюдений можно быстрее вычислить расстояние, закольцовав координаты данных.

function D2 = nanhamdist(XI,XJ)  
%NANHAMDIST Hamming distance ignoring coordinates with NaNs
[m,p] = size(XJ);
nesum = zeros(m,1);
pstar = zeros(m,1);
for q = 1:p
    notnan = ~(isnan(XI(q)) | isnan(XJ(:,q)));
    nesum = nesum + ((XI(q) ~= XJ(:,q)) & notnan);
    pstar = pstar + notnan;
end
D2 = nesum./pstar; 

Вычислить расстояние с помощью nanhamdist передав дескриптор функции в качестве входного аргумента pdist2.

D2 = pdist2(X,Y,@nanhamdist)

D2 =

    0.5000    1.0000    1.0000
    1.0000    0.3333    1.0000
    1.0000    1.0000    0.3333

Выполнить кластеризацию k-Means

Создание набора данных обучения с использованием трех распределений.

rng('default') % For reproducibility
X = [randn(100,2)*0.75+ones(100,2);
    randn(100,2)*0.5-ones(100,2);
    randn(100,2)*0.75];

Разделение обучающих данных на три кластера с помощью kmeans.

[idx,C] = kmeans(X,3);

Постройте графики кластеров и центроидов кластеров.

figure
gscatter(X(:,1),X(:,2),idx,'bgm')
hold on
plot(C(:,1),C(:,2),'kx')
legend('Cluster 1','Cluster 2','Cluster 3','Cluster Centroid')

Назначение новых данных существующим кластерам

Создайте набор тестовых данных.

Xtest = [randn(10,2)*0.75+ones(10,2);
    randn(10,2)*0.5-ones(10,2);
    randn(10,2)*0.75];

Классифицируйте набор тестовых данных с использованием существующих кластеров. Поиск ближайшего центроида из каждой точки данных теста с помощью pdist2.

[~,idx_test] = pdist2(C,Xtest,'euclidean','Smallest',1);

Постройте график тестовых данных и промаркируйте их с помощью idx_test с помощью gscatter.

gscatter(Xtest(:,1),Xtest(:,2),idx_test,'bgm','ooo')
legend('Cluster 1','Cluster 2','Cluster 3','Cluster Centroid', ...
    'Data classified to Cluster 1','Data classified to Cluster 2', ...
    'Data classified to Cluster 3')

Создать код

Создайте код C, который назначает новые данные существующим кластерам. Следует отметить, что для создания кода C/C + + требуется Coder™ MATLAB ®.

Определение функции точки входа с именем findNearestCentroid который принимает положения центроидов и новые данные, а затем находит ближайший кластер с помощью pdist2.

Добавить %#codegen директива компилятора (или прагматика) для функции начального уровня после сигнатуры функции, указывающая, что предполагается создать код для алгоритма MATLAB. Добавление этой директивы дает команду анализатору кода MATLAB помочь в диагностике и устранении нарушений, которые могут привести к ошибкам при создании кода.

type findNearestCentroid % Display contents of findNearestCentroid.m

function idx = findNearestCentroid(C,X) %#codegen
[~,idx] = pdist2(C,X,'euclidean','Smallest',1); % Find the nearest centroid

Примечание.Если нажать кнопку, расположенную в правом верхнем разделе этой страницы, и открыть этот пример в MATLAB ®, то MATLAB ® откроет папку примеров. Эта папка содержит файл функции начального уровня.

Создание кода с помощью codegen (Кодер MATLAB). Поскольку C и C++ являются статически типизированными языками, необходимо определить свойства всех переменных в функции точки входа во время компиляции. Задание типа данных и размера массива входных данных findNearestCentroid, передайте выражение MATLAB, которое представляет набор значений с определенным типом данных и размером массива, используя -args вариант. Дополнительные сведения см. в разделе Определение аргументов переменного размера для создания кода.

codegen findNearestCentroid -args {C,Xtest}

Code generation successful.

codegen генерирует функцию MEX findNearestCentroid_mex с расширением, зависящим от платформы.

Проверьте созданный код.

myIndx = findNearestCentroid(C,Xtest);
myIndex_mex = findNearestCentroid_mex(C,Xtest);
verifyMEX = isequal(idx_test,myIndx,myIndex_mex)

verifyMEX = logical
   1

isequal возвращает логический 1 (true), что означает, что все входы равны. Сравнение подтверждает, что pdist2 функция, findNearestCentroid функция, и функция MEX возвращает тот же самый индекс.

Можно также создать оптимизированный код CUDA ® с помощью графического процессора Coder™.

cfg = coder.gpuConfig('mex');
codegen -config cfg findNearestCentroid -args {C,Xtest}

Дополнительные сведения о создании кода см. в разделе Общий рабочий процесс создания кода. Дополнительные сведения о кодере графического процессора см. в разделе Начало работы с кодером графического процессора (GPU Coder) и поддерживаемыми функциями (GPU Coder).