我们日常生活中也在无形中和算法打交道，淘宝购物的千人千面、今日头条的个性化资讯、甚至工具类的打车平台都应用算法改善体验，在我们每次叫车的时候有一个环节是地址搜索，其中在地点联想这里，为什么每次你搜索名称的时候，司机总能较好地找到你的上车点。
那么这个时候就需要借助空间上的距离来做一些分类的工作，就就近的轨迹点分为一类，视为一个站点，再从每个类别中找到中心点。
这就是本文的第二个算法主角：K-medoids，这个算法的原理是：1、任意选取 k 个点作为 中心点 2、按照与中心点最近的原则，将剩余点分配到当前最佳的中心点代表的类中 3、在每一类中，计算每个成员点到中心点的距离，选取距离和最小时对应的中心点作为新的中心点 4、重复2-3的过程，直到所有的中心点不再发生变化，或已达到设定的最大迭代次数为止在这里也贴一个示意图会更好理解点 ... 阅读全文
那么这个时候就需要借助空间上的距离来做一些分类的工作，就就近的轨迹点分为一类，视为一个站点，再从每个类别中找到中心点。
这就是本文的第二个算法主角：K-medoids，这个算法的原理是：1、任意选取 k 个点作为 中心点 2、按照与中心点最近的原则，将剩余点分配到当前最佳的中心点代表的类中 3、在每一类中，计算每个成员点到中心点的距离，选取距离和最小时对应的中心点作为新的中心点 4、重复2-3的过程，直到所有的中心点不再发生变化，或已达到设定的最大迭代次数为止在这里也贴一个示意图会更好理解点 ... 阅读全文