我对 K-medoids 的理解是质心是从现有点中随机选取的。聚类是通过将剩余的点除到最近的质心来计算的。计算误差(绝对距离)。
a) 如何选择新的质心？从示例接缝中，他们是随机挑选的？并且再次计算误差以查看这些新质心是更好还是更坏。
b) 你怎么知道你需要停止选择新的质心？
最佳答案
k-medoid算法的wikipedia page值得一读。您是对的，在第一步中随机选择的 k 数据点中的 n medoid 是正确的。
通过在循环中交换每个 medoid m 和每个非 medoid o 并再次计算距离来选择新的 medoids。如果成本增加，则撤消交换。
如果完整迭代没有交换，则算法停止。
关于machine-learning - k-medoids 如何选择新的质心？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48084750/