共計 591 個字符，預計需要花費 2 分鐘才能閱讀完成。

這期內容當中丸趣 TV 小編將會給大家帶來有關如何理解 R 語言聚類算法中的 k 中心聚類，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

1. 原理解析:
針對 K - 均值算法易受極值影響這一缺點的改進算法. 在原理上的差異在于選擇個類別中心點時不取樣本均值點, 而在類別內選取到其余樣本距離之和最小的樣本為中心。

2. 在 R 語言中的應用
k 中心聚類 (K-medoids) 主要運用到了 R 語言中 cluster 包（R 語言內置包）中的 pam 函數。
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 數據集為例進行線性判別分析
1)應用模型并查看模型的相應參數
fit_pam=pam(iris[,-5],3)
fit_pam[1:length(fit_pam)]

上述就是丸趣 TV 小編為大家分享的如何理解 R 語言聚類算法中的 k 中心聚類了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注丸趣 TV 行業資訊頻道。