【机器学习】无监督学习--（聚类）Mini Batch K-Means

1. Mini Batch K-Means概述

       Mini-Batch-K-MEANS算法是K-Means算法的变种，采用小批次量的数据子集减少计算时间。这里所谓的小批量是指每次训练算法时所随机抽取的数据子集，采用这些随机产生的子集进行训练算法，大大减小了计算时间，结果一般只略差于标准算法。

2. 算法步骤

1）从数据集中随机抽取一些数据形成小批量，把它们分配给最近的质心。
2）更新质心：与K均值算法相比，数据的过呢更新是在每一个小的样本集上。Mini Batch K-Means比K-Means有更快的收敛速度，但同时也降低了聚类的效果，但是在实际项目中却表现得不明显。

       与K-Means算法对比如图：

3. 代码实现 – sklearn

注：数据集在文章末尾

from sklearn