Pourquoi l'utilisation du clustering K-Meoid Critère d'erreur absolue?

Question

Je suis étudiant étudiant clustering. Je sais que l'algorithme de k-medoid utilise un critère d'erreur absolue, mais je ne comprends pas pourquoi n'utiliser pas le critère de l'erreur quadratique comme l'algorithme de k-means. Y a-t-il un avantage à utiliser le critère d'erreur absolue au lieu du critère d'erreur au carré?

Answer 1

La moyenne est un estimateur des moindres carrés (L2).

La médiane est un estimateur L1. Par conséquent, k-medoids utilise également L1, tandis que k-means utilise L2.