Come menzionato da altri, il clustering gerarchico deve calcolare la matrice della distanza a coppie che è troppo grande per adattarsi alla memoria nel tuo caso.
Prova utilizzando l'algoritmo K-Means invece:
numClusters = 4;
T = kmeans(X, numClusters);
In alternativa è possibile selezionare un sottoinsieme casuale di dati e di utilizzare come input per l'algoritmo di clustering. Successivamente si calcola il centro del cluster come media/mediana di ciascun gruppo di cluster. Infine, per ogni istanza che non è stata selezionata nel sottoinsieme, devi semplicemente calcolare la sua distanza da ciascuno dei centroidi e assegnarla a quella più vicina.
Ecco un codice di esempio per illustrare l'idea di cui sopra:
%# random data
X = rand(25000, 2);
%# pick a subset
SUBSET_SIZE = 1000; %# subset size
ind = randperm(size(X,1));
data = X(ind(1:SUBSET_SIZE), :);
%# cluster the subset data
D = pdist(data, 'euclid');
T = linkage(D, 'ward');
CUTOFF = 0.6*max(T(:,3)); %# CUTOFF = 5;
C = cluster(T, 'criterion','distance', 'cutoff',CUTOFF);
K = length(unique(C)); %# number of clusters found
%# visualize the hierarchy of clusters
figure(1)
h = dendrogram(T, 0, 'colorthreshold',CUTOFF);
set(h, 'LineWidth',2)
set(gca, 'XTickLabel',[], 'XTick',[])
%# plot the subset data colored by clusters
figure(2)
subplot(121), gscatter(data(:,1), data(:,2), C), axis tight
%# compute cluster centers
centers = zeros(K, size(data,2));
for i=1:size(data,2)
centers(:,i) = accumarray(C, data(:,i), [], @mean);
end
%# calculate distance of each instance to all cluster centers
D = zeros(size(X,1), K);
for k=1:K
D(:,k) = sum(bsxfun(@minus, X, centers(k,:)).^2, 2);
end
%# assign each instance to the closest cluster
[~,clustIDX] = min(D, [], 2);
%#clustIDX(ind(1:SUBSET_SIZE)) = C;
%# plot the entire data colored by clusters
subplot(122), gscatter(X(:,1), X(:,2), clustIDX), axis tight
bella soluzione, mi piace. – Donnie
Grazie per la risposta esauriente, La ragione per cui sto usando il clustering gerarchico è che non so quanti cluster ho bisogno in anticipo. In kmea devo definire il principio dall'inizio e, data la natura del mio progetto, non mi è possibile usare Kmean. Grazie comunque ... – Hossein
@Hossein: Ho cambiato il codice per utilizzare il valore 'cutoff' per trovare il miglior numero di cluster senza specificarlo in anticipo ... – Amro