Mini Batch K-Means 和 Sequential/online K Means 的区别
Difference betweeen Mini Batch K-Means and Sequential/online KMeans
我正在尝试使用 scikit-learn 库 sklearn.cluster 的 K-Means 示例及其变体。 minibatch K-Means 聚类和 online/sequential K-Means 聚类有什么区别？
我在 scikit 库中找不到在线 KMeans 的实现。如果批量大小为 1，那么小批量 K-Means 将充当在线 K-Means ?
小批量 k 均值不收敛到局部 optimum.x
本质上，它使用数据的子样本重复执行 k-means 的一步。但是因为这些样本可能有不同的最优值，它不会找到最好的，而是在不同部分的解决方案之间移动。您在固定次数的迭代后停止 - 否则它将永远 运行 。如果您拥有行为良好的海量数据，这可能不会有太大的不同。如果你有一个困难的数据集并且没有那么多数据，快速（不是劳埃德）KMeans 会找到更好的解决方案，而且只需要几次迭代。我怀疑很多人都拥有如此大的数据集，其中 minibatch 是个好主意。
我正在尝试使用 scikit-learn 库 sklearn.cluster 的 K-Means 示例及其变体。 minibatch K-Means 聚类和 online/sequential K-Means 聚类有什么区别？
我在 scikit 库中找不到在线 KMeans 的实现。如果批量大小为 1，那么小批量 K-Means 将充当在线 K-Means ?
小批量 k 均值不收敛到局部 optimum.x
本质上，它使用数据的子样本重复执行 k-means 的一步。但是因为这些样本可能有不同的最优值，它不会找到最好的，而是在不同部分的解决方案之间移动。您在固定次数的迭代后停止 - 否则它将永远 运行 。如果您拥有行为良好的海量数据，这可能不会有太大的不同。如果你有一个困难的数据集并且没有那么多数据，快速（不是劳埃德）KMeans 会找到更好的解决方案，而且只需要几次迭代。我怀疑很多人都拥有如此大的数据集，其中 minibatch 是个好主意。