摘要:
国内博客,上介绍实现的K-medodis方法为: 与K-means算法类似。只是距离选择与聚类中心选择不同。 距离为曼哈顿距离 聚类中心选择为:依次把一个聚类中的每一个点当作当前类的聚类中心,求出代价值最小的点当作当前聚类中心。 维基百科上,实现的方法为PAM算法。 分成K类,把每个点都尝试当作聚类 阅读全文
摘要:
K-modes算法主要用于分类数据,如 国籍,性别等特征。 距离使用汉明距离,即有多少对应特征不同则距离为几。 中心点计算为,选择众数作为中心点。 主要功能: 随机初始化聚类中心,计算聚类。 选择每次聚类次数,选择最佳聚类初始化。 kmodes.m代码 Main.m 执行Main.m,返回聚类的代价 阅读全文