scikit 上的 Kmeans 聚类时间答案

【问题标题】：Kmeans clustering time on scikitscikit 上的 Kmeans 聚类时间
【发布时间】：2014-07-20 21:31:35
【问题描述】：

使用具有 200 个聚类的 k-means 对一组 100'000 个 L2 归一化 2048-dim 特征向量进行聚类需要多长时间？我的所有数据都在一个巨大的 numpy 数组中，也许有更合适的数据结构？

它似乎在一个小时内没有任何进展。我也倾向于使用阈值停止标准，但仅 2 次迭代似乎需要超过 5 分钟。是否有某种详细的命令可以用来检查 scikit-learn 上 kmeans 聚类的进度？有没有人建议任何其他方法？也许像降维，或PCA，然后是kmeans？（我只是随意抛出一些想法）

【问题讨论】：

标签： python-2.7 machine-learning scikit-learn k-means

【解决方案1】：

如果您还没有尝试过，请使用sklearn.cluster.MiniBatchKMeans 而不是sklearn.cluster.KMeans

例如，如果X.shape = (100000, 2048)，那么写

from sklearn.cluster import MiniBatchKMeans
mbkm = MiniBatchKMeans(n_clusters=200)  # Take a good look at the docstring and set options here
mbkm.fit(X)

【讨论】：