【发布时间】：2017-05-12 10:53:44
【问题描述】：
K-Medoids 算法中可以使用哪些分析函数？
我的主要目的是比较 2 个不同聚类结果的结果，以查看哪个更好。
SSE（误差平方和）能否应用于 K-Medoids 算法？
【问题讨论】：
标签： machine-learning cluster-analysis data-mining analysis
【发布时间】：2017-05-12 10:53:44
【问题描述】：
最初的 k-medoid 出版物讨论了度量 ESS，以及其他一些度量，例如可能更适合使用的平均相异度、最大相异度、直径。
SSE 与欧几里得距离密切相关，因此通常不合适（当然，除非您使用欧几里得；但为什么要使用 k-medoids 而不是 k-means？）
【讨论】：
-
我将使用 k-medoids 而不是 k-means，因为我将使用自定义距离度量而不是欧几里得。所以我发现最好的方法是使用 k-medoids 并输入一个距离矩阵。
-
也考虑层次聚类。但无论哪种方式，请阅读原始论文，了解他们使用的动机和评估措施。它们可能（也可能不）适合您的问题。 除非使用欧几里得距离，否则不要使用 SSE！
ARI、NMI和Silhouette Coefficient可以用来比较结果
【讨论】：