K-MEANS顾名思义K-均值,通过计算一类记录的均值来代表该类,但是受异常值或极端值的影响比较大,这里介绍另外一种算法K-medodis。看起来和K-means比较相似,但是K-medoids和K-means是有区别的,不一样的地方在于中心点的选取,在K-means中,我们将中心点取为当前cluster中所有数据点的平均值,在 K-medoids算法中,我们将从当前cluster 中选取这样一个点——它到其他所有(当前cluster中的)点的距离之和最小——作为中心点。
K-MEANS算法的缺点:
产生类的大小相差不会很大,对于脏数据很敏感。
改进的算法:K-medoids方法。
这儿选取一个对象叫做mediod来代替上面的中心的作用,这样的一个medoid就标识了这个类。
K-MEDODIS的具体流程如下:
1)任意选取K个对象作为medoids(O1,O2,…Oi…Ok)。
2)将余下的对象分到各个类中去(根据与medoid最相近的原则);
3)对于每个类(Oi)中,顺序选取一个Or,计算用Or代替Oi后的消耗—E(Or)。选择E最小的那个Or来代替Oi。这样K个medoids就改变了。
4)重复2、3步直到K个medoids固定下来。
不容易受到那些由于误差之类的原因产生的脏数据的影响,但计算量显然要比K-means要大,一般只适合小数据量。
摘自:郑来轶博客
——————————————————————————————
大数据文摘:专注收集、分享大数据相关的案例、新闻,寻找志同道合的朋友合作、共赢。
1、如果喜欢“大数据文摘”推荐的图文内容,请点击右上角的按钮,分享给更多的朋友。
2、关注方式:扫描下面二维码,或:添加朋友—查找微信公众账号—输入“大数据文摘”或“BigDataDigest”。
3、浏览大数据文摘往期推送可以进入详细资料查看“历史记录”。