如何解释 k Medoids 输出

Question

我找到了 this K-Medoids 的实现，我决定在我的代码中尝试一下。

我的原始数据集是一个 21x6 矩阵。

要生成我正在使用的距离矩阵：

import scipy.spatial.distance as ssd
distanceMatrix = ssd.squareform(ssd.pdist(matr, 'cosine'))

然后我决定集群的数量：

clusters = int(np.sqrt(len(matr.data)/2))

最后：

clusters, medoids = self.cluster(distanceMatrix,clusters)
print(clusters)
print(medoids)

对于给定的输入，我得到这个输出：

[12 12 12 12 12 12 12  7  7  7  7 11 12 12 12 12 12 12 11 12 12]
[12  7 11]

虽然我期待类似于 sklearn.cluster.KMeans 的输出，但我的矩阵中的每个点都有一个标签。如果我想使用结果来分散簇元素，我应该如何处理这种输出，如下图（我使用 k-Means 的地方）？

Answer 1

k-medoids 使用数据点作为中心，所以 print(medoids) 会给你输入数据集中的中心索引，print(clusters) 会给你数据点属于哪个组。
图表中的星星将是数据集[12]、数据集[11] 和数据集[7]

How to interpret k Medoids output