如何解释k类药物输出

Question

我发现了K-medods的this实现，我决定在我的代码中尝试一下。在

我的原始数据集是一个21x6矩阵。在

要生成我使用的距离矩阵：

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

然后，我决定了一些集群：

^{pr2}$

最后：

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

对于给定的输入，我得到以下输出：

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

当我期望一个类似于sklearn.cluster.KMeans的输出时，我在矩阵中的每个点都有一个标签。 如果我想使用结果分散簇元素，比如下面的图片（我使用k均值），我应该如何处理这种输出？

Answer 1

k-medoid使用数据点作为中心，因此print(medoids)将为您提供输入数据集中的中心索引，print(clusters)将给出数据点属于哪个组。
图中的星星是数据集[12]、数据集[11]和数据集[7]