聚类分析---基于中心的k-medoids
来源:互联网 发布:淘宝店铺海报图的尺寸 编辑:程序博客网 时间:2024/04/29 11:39
Cluster the following data set of ten objects into two clusters i.e. k = 2.
把下面10个数据对象分成2个簇
Consider a data set of ten objects as follows:
第一步:
我们假设c1=(3,4)和c2=(7,4)是两个中心。
(2,6)到c1(3,4)的距离是3,(7,4)到c2(2,6)的距离是7,因此(2,6)和c1是一个簇。
按照同样的方法。得到:
Cluster1 = {(3,4)(2,6)(3,8)(4,7)}
Cluster2 = {(7,4)(6,2)(6,4)(7,3)(8,5)(7,6)}
Cost((3,4),(2,6))=|3-2|+|6-4|=3
第二步:
选择一个非中心点o’,我们假设o’=(7,3)
用同样的方法划分出两个簇:
然后再计算它总共的开销:
因此前面的那个选择更好。因此我们尝试了一些其他的非中心的点,发现我们的第一个选择是最好的。因此不会重新分配,算法停止。
- 聚类分析---基于中心的k-medoids
- K-means 和 K-medoids算法聚类分析
- 聚类算法--K-Medoids(基于R的应用示例)
- R语言聚类算法之k中心聚类(K-medoids)
- k-medoids与k-Means聚类算法的异同
- Clustering (2): k-medoids
- k-medoids 算法思想
- k-medoids聚类
- K-means和K-medoids
- 划分聚类分析: K均值和基于中心点的划分(PAM)
- 基于R语言的聚类分析(k-means,层次聚类)
- 基于R的聚类分析(DBSCAN,基于密度的聚类分析)
- k-means, k-medoids, k-median and k-center 的区别
- k-means优化 & k-means距离的选择 &k-medoids对比
- k-means聚类分析的C++实现
- 聚类分析的K均值算法(Python实现)
- 漫谈 Clustering (2): k-medoids
- 漫谈 Clustering (2): k-medoids
- json数组与对象类型转换
- nginx +golang
- jquery根据name属性查找
- java【源码】i/o乱七八糟
- hibernate根据主键查询内容
- 聚类分析---基于中心的k-medoids
- 使用jquery层级查找注意tbody
- div显示滚动条
- jquery查找最近的父节点
- js访问iframe里面的内容
- 遍历map
- 黑马程序员---ARRAYlIST和HashSet关于数据的唯一性(原创)
- javascript逻辑(&& ||)运算
- 脑力劳动者的休息方法