[][1] Привет, Хабр! В этой части мы опишем вам алгоритм, с помощью которого были получены цвета на графах из [первой части][2]. В основе алгоритма лежит **k-medoids** — довольно простой и прозрачный метод. Он представляет собой вариант популярного **k-means**, про который наверняка большинство из вас уже имеет представление. В отличие от k-means, в k-medoids в качестве центроидов может выступать не любая точка, а только какие-то из имеющихся наблюдений. Так как в графе между вершинами расстояние определить можно, k-medoids годится для кластеризации графа. Главная проблема этого метода — необходимость явного задания числа кластеров, то есть это не выделение сообществ (сommunity detection), а оптимальное разбиение на заданное количество частей (graph partitioning). С этим можно бороться двумя путями: [Читать дальше →][3]

[1]: http://habrahabr.ru/company/dca/blog/264811/
[2]: http://habrahabr.ru/company/dca/blog/265077/
[3]: http://habrahabr.ru/post/264811/#habracut