最近，我们学习了 K-means 聚类。我理解了算法的基本思想，并成功地将它用于一维数据。现在我们被告知要为二维数据实现它。据我了解，x 和 y 可以是数据集的两个属性，但我们的教授说不然。她说，我们必须确定数据集中某个属性的 x 和 y 才能对数据进行聚类。她以一个简单的二维矩阵为例。这让我很困惑。如何确定属性的 x 和 y？行号和列号对我来说用它来计算距离似乎很愚蠢。
所以，我的问题是如何确定二维 k 的 x 和 y 意味着聚类？
根据这个问题，两个属性（体重和身高）用作 x 和 y。它是否正确？
我认为在示例中对两个数字属性（例如身高和体重）进行聚类的示例没有问题。
我能想到的唯一一件事是在翻译中迷失了方向，您的教授试图解释将许多维度（属性）减少到两个然后在这些派生维度上聚类的概念。这是尝试在复杂数据集中直观地发现集群的常用技术。
K-Means 是一种主要用于在高维数据集中寻找聚类的算法。我从来没有遇到过用于单维数据集的 K-Means。
因此，2D K-Means（甚至更高维）以这种方式工作：
对于您的第二个问题，是的，这是一个正确的方法，并且该问题的答案得到了正确的解释。
k-means 中的“距离”是所有属性的平方和。你有多少属性并不重要。
d(a, b) := sum_i (a_i - b_i)²
在 i 迭代您的属性时，a 是数据向量，b 是质心向量。
不要假设有一个或两个属性。它只是数据集的一个参数，它有多少个变量。可能是 42 个变量。