K-means-：在聚类时发现异常

11月4日和5日，BigML加入哈马德滨哈利法大学的卡塔尔计算研究所（QCRI），将机器学习学校带到卡塔尔的多哈！我们很高兴有机会与QCRI合作。

在会议期间，Sanjay Chawla博士讨论了他的异常聚类算法，k-means-。我们认为使用我们的特定领域语言实现机器学习工作流程WhizzML的变体来实现它的变体是一种有趣的练习。 

k均值算法的通常过程如下。它从一些数据集，一些数量的簇k和一些预期的异常值l开始。它随机选取k个质心，并根据哪一个最接近，将数据集的每个点分配给这些质心中的一个。到目前为止，它就像香草k-means一样。在vanilla k-means中，您现在可以找到每个聚类的均值并将其设置为新的质心。然而，在k-means中，你首先找到l离指定质心最远的点，并从数据集中过滤它们。使用剩余点找到新的质心。通过去除这些点，我们将发现不受异常值影响的质心，因此不同（并且希望更好）质心。

我们已经在BigML（集群资源）中实现了k-means。但这不是香草k-means。不是通过平均集群中的所有点来找到新的质心，而是通过对点进行采样并使用梯度下降方法来更快地实现BigML。BigML也比vanilla k-means选择更好的初始条件。我们将改编Chawla的k-means，而不是失去这些好处，在核心迭代中使用完整的BigML集群资源。

这个WhizzML脚本是我们实现的核心。

（定义（得到- 异常 DS - ID  过滤- DS  ķ  升）

  （让（集群- ID（创建- 和- 等待- 集群 { “K”  ķ 

<