如何在使用k时找到字符串的平均值意味着聚类？

Question

我正在尝试使用k-means和Levenshtein distance构建邮件垃圾邮件过滤器（请考虑此强制要求）。我有一个问题，当我必须弄清楚每个集群的质心时，如何计算“字符串”的平均值？

Answer 1

K-means 不能用于字符串。

通过计算算术平均值来最小化最小二乘法。这只是在连续变量上定义（和有意义的）。

在字符串上你可以使用PAM而不是k-medoids。