Matlab聚类分析（Kmeans）

提示：本文为记录学习聚类分析的一个过程，仅供参考，有不足之处还望提出

---

前言

本次样本中的片段数据涉及到多个故障原因，目的在于通过聚类的方式，将样本中为同一因素导致的故障数据筛选出来。
源码+测试样本

---

提示：以下是本篇文章正文内容，下面案例仅供参考

一、原始数据

数据的导入，利用Matlab导入Excel数据，生成操作性更高的脚本用于本次的测试。

在导入数据的过程中，筛选去掉不需要的冗余数据，生成对应的脚本文件

至此完成数据的初步导入

二、数据处理与结果输出

1.标准化与提取

数据提取与标准化逻辑

采取的是最大最小值标准化方式

标准化代码如下：

%% 函数区域

function [normalized_data] = normalize(source_data, kind)
% 数据的标准化（归一化）处理
% 参数 source_data 可用格式的源数据
% 参数 kind 代表何种归一化方式, 默认为1. 1代表Min-Max标准化,2代表Z-score标准化.
% 返回归一化后的数据

if nargin < 2 % 如果参数少于2,默认进行Min-Max标准化
    kind = 1;
end

[m, n]  = size(source_data);
normalized_data = zeros(m, n);

%% Min-Max标准化(Min=0,Max=1)
if kind == 1
    for i = 1:n
        ma = max( source_data(:, i) ); % Matlab中变量名不宜和函数名相同，所以不用max、min、mean等变量名
        mi = min( source_data(:, i) );
        normalized_data(:, i) = ( source_data(:, i)-mi ) / ( ma-mi );
    end
end
%% Z-score标准化
if kind == 2
    for i = 1:n
        mea = mean( source_data(:, i) );
        st = std( source_data(:, i) );
        normalized_data(:, i) = ( source_data(:, i)-mea ) / st;
    end
end
end

2.可视化

原始数据可视化

结果如下：

3.簇数判别

由于不确定数据可以划分的组数，利用Calinski-Harabasz指数，确定最佳的分类组数


确定最终组数为3

4.最终输出

对分类结果进行输出

下图所示为分类结果

---

总结

本文通过Kmeans的方法对故障类型进行一个简单的聚类，利用Calinski-Harabasz指数判断数据的最佳分类组数，并对最终的结果进行简单的可视化。
源码+测试样本