聚类算法：K-means和K-medoids

K-means算法
核心思想
通过迭代把数据对象划分到不同的簇中，以求目标函数最小化，从而使生成的簇尽可能地紧凑和独立。 首先，随机选取k个对象作为初始的k个簇的质心； 然后，将其余对象根据其与各个簇质心的距离分配到最近的簇；再求新形成的簇的质心。 这个迭代重定位过程不断重复，直到目标函数最小化为止。
目标函数为平方误差准则函数，采用欧几里得距离度量
1、优点：
在处理大数据集时，该算法是相对可扩展性的，并且具有较高的效率。 算法复杂度为O(nkt),其中，n为数据集中对象的数目，k为期望得到的簇的数目，t为迭代的次数。
2、应用局限性：
用户必须事先指定聚类簇的个数； 常常终止于局部最优； 只适用于数值属性聚类(计算均值有意义)； 对噪声和异常数据也很敏感； 不适合用于发现非凸形状的聚类簇。

K-medoids算法
处理流程
首先，随机选择k个对象作为初始的k个簇的代表点，将其余对象按与代表点对象的距离分配到最近的簇； 然后，反复用非代表点来代替代表点，以改进聚类质量。(用一个代价函数来估计聚类质量，该函数度量对象与代表点对象之间的平均相异度。)
目标函数采用平方误差准则
1、优点：
对属性类型没有局限性； 鲁棒性强：通过簇内主要点的位置来确定选择中心点，对孤立点和噪声数据的敏感性小。
2、不足：
处理时间要比k-mean更长； 用户事先指定所需聚类簇个数k。

两者的差异：
简单理解：对于数据样本的平均值和中位数之间的差异
1、取值范围
K-means：可以是连续空间中的任意值 K-medoids：只能是数据样本范围中的样本
2、聚类中心
K-means算法：集群中的平均值 K-medoids算法：集群中位于最中心的样本

通病：
只能处理球形的簇，也就是一个聚成实心的团（这是因为算法本身计算平均距离的局限）
————————————————
版权声明：本文为CSDN博主「潜心学习的渣渣」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43868020/article/details/117078694