- 博客(1)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 k-means优化 & k-means距离的选择 &k-medoids对比
一、k-means：在大数据的条件下，会耗费大量的时间和内存。优化k-means的建议：1、减少聚类的数目K。因为，每个样本都要跟类中心计算距离。2、减少样本的特征维度。比如说，通过PCA等进行降维。3、考察其他的聚类算法，通过选取toy数据，去测试不同聚类算法的性能。4、hadoop集群，K-means算法是很容易进行并行计算的。二、K-means距离的定义：
2016-05-05 11:24:02
26362
6
machine learining Dimensionality Reduction (Week 8) exercise
machine learining Dimensionality Reduction (Week 8) exercise K-Means Clustering and PCA
2015-04-22
machine learning Regularization (Week 3) exercise
machine learning Regularization (Week 3) exercise
2015-04-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人