machine-learning - k-medoids 如何选择新的质心？

Question

我对 K-medoids 的理解是质心是从现有点中随机选取的。通过将剩余点除以最近的质心来计算聚类。计算误差(绝对距离)。

a) 如何选择新的质心？从示例中可以看出它们是随机挑选的？然后再次计算误差，看看这些新的质心是更好还是更差。

b)你怎么知道你需要停止选择新的质心？

Answer 1

值得一读wikipedia page k-medoid 算法。您说得对，在第一步中随机选择的 n 个数据点中的 k 中心点。

通过在循环中交换每个中心点 m 和每个非中心点 o 并再次计算距离来选择新的中心点。如果成本增加，您可以撤消交换。

如果完整迭代没有交换，算法就会停止。