k均值python_python-计算k均值的距离时的环绕

为什么k均值不适用于任意距离

K均值不是基于距离的算法.

K-means最小化了平方内群集内和之和,它是一种方差(它大致是所有群集的加权平均方差,其中每个对象和维的权重均相同).

为了使Lloyds算法收敛,您需要使两个步骤都优化相同的功能：

>重新分配步骤

>重心更新步骤

现在,“均值”函数是最小二乘估计器.即对于WCSS目标,在步骤2中选择均值是最佳的.在步骤1中用最小二乘方差(=平方欧几里德距离,单调到欧几里德距离)分配对象也会产生保证的收敛性.均值恰好是您的环绕式创意会崩溃的地方.

如果您插入@elyase建议的随机其他距离函数,则k-means可能不再收敛.

正确的解决方案

有多种解决方案：

>使用K型医学(PAM).通过选择medoid而不是均值,您可以确保在任意距离下都可以收敛.但是,计算类固醇非常昂贵.

>将数据转换为内核空间,您可以在其中最小化平方和.例如,您可以将小时转换为sin(hour / 12 * pi),cos(hour / 12 * pi),这对于SSQ可能是可以的.

>使用其他基于距离的聚类算法. K-means很老,从那以后,有很多关于聚类的研究.您可能要从分层聚类(它实际上与k-means一样古老)开始,然后尝试DBSCAN及其变体.