Machine learning K-Medoids聚类分析

哪些分析函数可用于K-Medoids算法

我的主要目的是比较两种不同聚类结果的结果，以确定哪一种更好

---

SSE（误差平方和）能应用于K-medoid算法吗？

原始K-medoid出版物讨论了测量值ESS，以及一些其他测量值，如平均相异度、最大相异度、直径，这些测量值可能更适合使用

---

SSE与欧几里德距离密切相关，因此通常不合适（当然，除非您使用欧几里德距离；但为什么您要使用k-中值而不是k-均值？

ARI，NMI，剪影系数可用于比较结果

看看这里，我将使用k-中值代替k-均值，因为我将使用自定义距离度量，而不是欧几里得。因此，我发现最好的方法是使用K-MedoID并输入一个距离矩阵。但无论如何，阅读原稿，了解他们使用的动机和评估方法。它们可能——也可能不——适合你的问题。除非使用欧几里德距离，否则不要使用SSE！