聚类位置数据会忽略异常值

Question

我正在进行聚类GPS位置。

我有大约4000个数据点，我使用了 Kmeans 聚类算法。

以下是我得到的结果：

标记是真实的数据位置，而绿色圆圈区域（质心）是kmeans的结果。

您可以看到右上角的群集，受到一些异常值的影响。

是否有任何方法可以摆脱异常值的影响，以找出准确的聚类质心？谢谢

=============================================== =============

我得到的GEOdata格式如下：

distance = Math.sqrt((x1-x2)*(x1-x2) + (y1-y2)*(y1-y2))

我使用的kmeans algo是跟随here。但我把距离改为yum install php-xml

Answer 1

K-means是这类数据的不良选择。

1. 它对异常值很敏感

2. 它不适用于Haversine距离（不要在地理坐标上使用Euclidean！）

此类数据的热门选择包括DBSCAN和OPTICS。