R语言聚类算法之k中心聚类(K-medoids)

2019年3月21日 344次阅读 来源: 聚类算法

1.原理解析:
针对K-均值算法易受极值影响这一缺点的改进算法.在原理上的差异在于选择个类别中心点时不取样本均值点,而在类别内选取到其余样本距离之和最小的样本为中心。
《R语言聚类算法之k中心聚类(K-medoids)》
2.在R语言中的应用
k中心聚类(K-medoids)主要运用到了R语言中cluster包（R语言内置包）中的pam函数。
pam(x,k,diss=inherits(x,”dist”),metric=”euclidean”,medoids=NULL,stand=FALSE,cluster.only=FALSE,do.swap=TRUE,keep.diss=!diss&&!cluster.only&&n<100,keep.data=!diss&&!cluster.only,pamonce=FALSE,trace.lev=0)
3.以iris数据集为例进行线性判别分析
1)应用模型并查看模型的相应参数
fit_pam=pam(iris[,-5],3)
fit_pam[1:length(fit_pam)]
《R语言聚类算法之k中心聚类(K-medoids)》

    原文作者：聚类算法
    原文地址: https://blog.csdn.net/claroja/article/details/55251567
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞