Я хочу выполнить кластерный анализ k средних для набора из 10 точек данных, каждый из которых имеет массив из 4 числовых значений, связанных с ними. Я'м, используя коэффициент корреляции Пирсона в качестве метрики расстояния. Я сделал первые два шага алгоритма кластеризации k средних:

1) Выберите набор начальных центров из k кластеров. [Я выбрал два начальных центра наугад]

2) Назначьте каждый объект кластеру с ближайшим центром. [Я использовал коэффициент корреляции Пирсона в качестве метрики расстояния - см. Ниже]

Теперь мне нужна помощь в понимании 3-го шага в алгоритме:

3) Вычислить новые центры кластеров:

где X в данном случае - четырехмерный вектор, а n - количество точек данных в кластере.

Как мне рассчитать C (S) для следующих данных?

# Cluster 1
A   10  15  20  25  # randomly chosen centre
B   21  33  21  23
C   43  14  23  23
D   37  45  43  49
E   40  43  32  32

# Cluster 2
F  100  102 143 212 #random chosen centre
G  303  213 212 302
H  102  329 203 212
I  32   201 430 48
J  60   99  87  34

Последний шаг алгоритма k означает повторение шагов 2 и 3, пока ни один объект не изменит кластер, что достаточно просто.

Мне нужна помощь с шагом 3. Вычисление новых центров кластеров. Если бы кто-то мог пройти и объяснить, как вычислить новый центр только одного из кластеров, это мне очень помогло бы.