K-Medoid（PAM）算法的缺点

Question

我研究过K-medoid算法（PAM）是一种基于分区的聚类算法和K-means算法的变种。它解决了K-means的问题，如产生空簇和对异常值/噪声的敏感性。

然而，K-medoid的时间复杂度是O（n ^ 2），不像K-means（Lloyd's算法），其时间复杂度为O（n）。我想问一下K-medoid算法除了时间复杂性之外还有其他缺点。

Answer 1

K-Medoid算法（PAM，CLARA或CLARANS）的主要缺点是它们不适用于对非球形（任意形状）的对象进行聚类。 这是因为它们依靠最小化非medoid对象和medoid（聚类中心）之间的距离-简而言之，他们使用紧凑性作为聚类标准而不是连通性。

PAM的另一个缺点是，由于第一个 k 个类固醇是随机选择的，因此对于同一数据集的不同运行可能会获得不同的结果。

除了上述缺点外，还必须预先指定 k 的值（簇数）。