MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → k-medoidler (PAM)

k-medoidler (PAM)kavram

Her kümenin merkezi olarak ortalama yerine kümedeki gerçek bir gözlemi (medoid) kullanan ve kümeleri toplam uzaklığı en küçükleyerek kuran kümeleme yöntemi.

k-ortalamalar küme merkezini küme ortalaması olarak alır ve kare Öklid uzaklığını en küçükler. k-medoidler ise her küme için, kümedeki diğer gözlemlere toplam uzaklığı en küçük olan gerçek gözlemi merkez seçer. Kaufman ve Rousseeuw'un PAM (Partitioning Around Medoids) algoritması önce başlangıç medoidlerini kurar (build), sonra her medoidi medoid olmayan bir gözlemle değiştirmenin toplam uzaklığı azaltıp azaltmadığını dener (swap).

Merkez gerçek bir gözlem olduğu için yorumlanması kolaydır ('bu kümenin tipik üyesi şudur') ve uç değerler merkezi kendine doğru çekemez; bu yüzden k-ortalamalara göre aykırı değerlere daha dayanıklıdır. Herhangi bir uzaklık ölçüsüyle (Manhattan, Gower vb.) çalışabilir. Dezavantajı hesaplama yüküdür: tüm ikili uzaklıkları gerektirdiği için çok büyük veri setlerinde yavaşlar. Küme sayısı k önceden belirlenmelidir.

Gündelik bir örnek

Bir dağıtım şirketi 5 depo kurmak için 200 mağazayı kümeliyor. k-ortalamalar depoları kümelerin ortalama koordinatlarına, bazen bir gölün ortasına yerleştirebilir; k-medoidler ise depo yeri olarak her kümedeki gerçek mağazalardan birini seçer. Şehir dışındaki çok uzak tek bir mağaza da medoidi kendine doğru kaydırmaz.

MerQur'da

K-Ortalamalar Kümelemede 'Algoritma (K-means / K-medoids (PAM))' seçeneği; PAM merkez yerine gerçek gözlem (medoid) kullanır ve aykırı değerlere daha dayanıklıdır.

Bu kavramın geçtiği analizler

K-Ortalamalar Kümeleme

İlgili kavramlar

Küme sayısının seçimiUzaklık ölçüsü (Öklid, Manhattan, Gower, büyük daire)