k-medoids如何挑选新的质心？

Question

我对K-medoids的理解是从现有点中随机挑选质心。通过将剩余点除以最接近的质心来计算聚类。计算误差（绝对距离）。

a）如何挑选新的质心？从示例接缝中随机挑选它们？然后再次计算误差以查看这些新质心是好还是坏。

b）你怎么知道你需要停止挑选新的质心？

Answer 1

值得阅读k-medoid算法的wikipedia page。您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并再次计算距离来挑选新的medoids。如果成本增加，则撤消交换。

如果没有完整迭代的交换，算法就会停止。

Answer 2

选择初始中间体的过程相当复杂。许多人似乎只是使用随机初始中心。

在此之后，k medoids总是考虑用一个非中间体替换其中一个中间体的每个可能的变化。然后应用最佳的此类更改，如果它改善了结果。如果无法进一步改进，算法将停止。

不要依赖模糊的描述。阅读原始出版物。

Answer 3

在回答关于k型蛋白的简要信息之前，我需要在前两个步骤中进行说明，而后两个步骤将回答您的问题。

1）k质心的第一步是从数据集中随机选择k质心/质心。假设您的数据集包含“ n”个点，那么将从这些“ n”个点中选择这些k- medoids。现在，您可以随机选择它们，也可以使用k-means ++中使用的智能初始化之类的方法。

2）第二步是赋值步骤，其中您获取数据集中的每个点，并找到它们与这些k型中心点的距离，找到一个最小点，然后将此数据点添加到对应于C_j重心的S_j上（如我们有k个质心C_1，C_2，....，C_k）。

3）算法的第三步是更新步骤，它将回答有关初始化后如何选择新质心的问题。我将通过一个示例来说明更新步骤，以使其更加清晰。 假设您的数据集中有十个点 （x_1，x_2，x_3，x_4，x_5，x_6，x_7，x_8，x_9，x_10）。现在假设我们的问题是2聚类，因此我们首先从这10个点中随机选择2个质心/质心，然后说这2个质心为（x_2，x_5）。分配步骤将保持不变。现在，在更新中，您将选择不属于类固醇的那些点（与x_2，x_5分开的点），然后再次重复分配和更新步骤以找到损失，该损失是x_i与类固醇之间的距离的平方。现在，您将比较使用medoid x_2发现的损失和通过非medoid点发现的损失。如果减少了损失，则将x_2点与减少了损失的任何非质体点交换。如果损失没有减少，则将x_2保留为您的质体，并且不会交换。 因此，在更新步骤中可能会有很多交换，这也使得该算法的计算量很高。

4）最后一步将回答您的第二个问题，即何时停止采集新质心。将质心/质心点的损失与非质心计算的损失进行比较时，如果差异可以忽略不计，则可以停止并保持质心点仅作为质心，但是如果损失很大，则将必须进行交换，直到损失减少为止。

我希望能回答您的问题。