共计 591 个字符，预计需要花费 2 分钟才能阅读完成。
这期内容当中丸趣 TV 小编将会给大家带来有关如何理解 R 语言聚类算法中的 k 中心聚类，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
1. 原理解析:
针对 K - 均值算法易受极值影响这一缺点的改进算法. 在原理上的差异在于选择个类别中心点时不取样本均值点, 而在类别内选取到其余样本距离之和最小的样本为中心。
2. 在 R 语言中的应用
k 中心聚类 (K-medoids) 主要运用到了 R 语言中 cluster 包（R 语言内置包）中的 pam 函数。
pam(x,k,diss=inherits(x,”dist”),metric=”euclidean”,medoids=NULL,stand=FALSE,cluster.only=FALSE,do.swap=TRUE,keep.diss=!diss !cluster.only n 100,keep.data=!diss !cluster.only,pamonce=FALSE,trace.lev=0)
3. 以 iris 数据集为例进行线性判别分析
1)应用模型并查看模型的相应参数
fit_pam=pam(iris[,-5],3)
fit_pam[1:length(fit_pam)]
上述就是丸趣 TV 小编为大家分享的如何理解 R 语言聚类算法中的 k 中心聚类了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注丸趣 TV 行业资讯频道。
