小批K均值聚类算法的时空复杂度是多少？
小批K均值聚类算法的时空复杂度是多少？
提问于 2017-05-17 19:32:21
对于香草K-均值聚类算法，我知道时间复杂度是：
时间复杂度: O(tknm)，
其中n是数据点数，k是簇数，t是迭代次数，m是向量的维数。
所以，当我研究小型批处理K-方法使算法更快地收敛时，我想知道它的时空复杂性是什么？
从本质上说，我很清楚，我们在香草K上优化了多少。
回答 1
Data Science用户
发布于 2017-05-17 21:25:35
无限的。
小批k-意味着永远不会收敛，你需要使用迭代限制或类似的启发式，你永远不能保证找到一个局部最优。
实质上，小型批处理k-的意思是：
- 随机抽样调查
- 使用以下示例执行k-means的一次迭代
- 重复
假设你的样本大小是N，2需要O(k，N，m，t)时间。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/19042
复制相关文章
相似问题
腾讯云开发者
