Algorithme des k-médoïdes

En statistiques, un médoïde est le représentant le plus central d'une classe. L'algorithme des k-médoïdes est un algorithme de partitionnement plus robuste vis-à-vis des données aberrantes (outliers) que celui des k-means (k-moyennes).

K-medoids versus k-means. Les figures 1a-1f présentent représente un cas typique de la convergence de l'algorithme des k-moyennes vers un minimum local. Le résultat de la classification par les k-moyennes est ici en contradiction avec le partitionnement évident des données. Les figures 2a-2h présente l'algorithme des k-medoids avec la même configuration initiale des medoïdes (Fig. 2a) et converge vers la classification la plus évidente. Les petits cercles représentent les données, les étoiles à 4 branches représentent les moyennes, et les étoiles à neuf branches les médoïds
Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Sharealike. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.