K-means(tri)利用三角不等式性质加速k-means

最新推荐文章于 2023-02-22 23:45:39 发布
最新推荐文章于 2023-02-22 23:45:39 发布
阅读量3.6k 收藏 7
点赞数
分类专栏： ML
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/haimengao/article/details/29553767
版权

paper:Using the Triangle Inequality to Accelerate  k-means 

主要利用三角不等式：第三边小于其他两边之和，那么就找到了上限。

k-means性质：如果通过条件可以知道，那么就不需要知道d(x，c)的值了，从而减少计算量。


公式1：x为某一个数据点，b和c是簇的中心。如果那么。

证明：利用，即可得证。

公式

最低0.47元/天 解锁文章
elisa_gao
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
运用三角不等式加速Kmeans聚类算法
weixin_30298497的博客
05-11 918
运用三角不等式加速Kmeans聚类算法 引言：最近在刷《数据挖掘导论》，第九章, 9.5.1小节有提到，可以用三角不等式，减少不必要的距离计算，从而达到加速聚类算法的目的。这在超大数据量的情况下，尤为重要。但是书中并没有给出解释和证明。本文以k-means聚类算法为代表，讲解下怎么利用三角不等式减少计算过程。 1. 三角不等式 任一三角形，两边之和大于第三边，两边之差小于第三边。可以从欧式距离...
Tri-net.zip
06-25
半监督学习是机器学习领域的一种方法，它利用大量未标记数据和少量标记数据来训练模型。在实际应用中，往往存在大量的无标签数据，而获取这些数据的标签成本较高。半监督学习通过挖掘未标记数据的潜在信息，提高模型...
Using the Triangle Inequality to Accelerate k-Means
haimengao的专栏
06-01 866
If a point is far away from a center, it is not necessary to calculate the exact distance between the point and the center. 如果一个点距离中心很远，那么计算这个d
pluribus第二课：利用三角形不等公式加速k-means
qq_30325761的博客
07-06 829
pluribus第二课：利用三角形不等公式加速k-means 写在前面利用三角形不等公式加速k-meansc++并行的经验 写在前面 本文主要的目的是记录自己实现pluribus的过程中，编程和程序执行过程中遇到的问题！希望能和大家分享经验，这篇文章仍然讲的是聚类牌组的阶段。poker ai的前期数据处理的难点在于基础数据庞大，河牌阶段的牌组就有上亿种可能，对于这种较大的数据，程序的效率成为成败的关键，方案不好很可能在计算数周乃至数月的时间，最开始尝试的时候，我使用的是python 计算聚类，发现计算emd
python for 加速_K-means算法SciPy加速实现
weixin_39622084的博客
12-07 327
K-means算法很简单也很好写，几层for循环嵌套在一起搞定了。这里就不再赘述。上图这种基于for循环的写法基本上只能用在教学用途，如果在实际工程中用这种嵌套for循环就会造成灾难。以512*512的图像压缩为例，上面双层for循环实现基本上没半个小时跑不出来。K-means工程化或者半工程化的关键就是进行向量化和并行化，如果用Python来做的话，重点就是用好NumPy和SciPy。这里推荐S...
python 多进程编程 之 加速kmeans算法
sinat_37255539的博客
06-07 2552
kmeans 算法代码来自@dz4543的https://blog.csdn.net/dz4543/article/details/80190177这篇文章，它重点介绍了kmeans的算法，和一份代码实现。实现结果是对一个图片像素进行聚类，生成一个新的有 k类颜色组成的图片。很炫酷的视觉效果。 我在自己 4核 电脑上跑了一下，耗时比较多做2分类大概需要60S，分成7类的话大概需要十多分钟了...
Euler_JST_Runge-kutta-Tri_Euler_Runge-Kutta_tri_jst_
09-30
这个压缩包文件"**Euler_JST_Runge-kutta-Tri_Euler_Runge-Kutta_tri_jst_**"提供了一个用于求解二维欧拉方程的程序，它采用了特定的离散方法，即空间上的JST格式和时间上的显式Runge-Kutta三步法。以下将详细介绍...
tri-tri:三重三角形振荡器Web音频合成模块伙伴
05-17
三重振荡器三角合成器AKA tri-tri AKA TOTS （将Web音频合成器发布到npm的实验，就像一样） ：一个小游戏，您必须为相机显示不同的颜色，才能使其表现出更令人愉悦的无人机。 例子 var context = new (window....
Tri-Segment Intensity _Tri-segrement_盲去模糊_源码
10-04
"Tri-Segment Intensity _Tri-segrement_盲去模糊_源码" 是一个专注于图像处理领域...通过理解和运用这些知识点，你可以更有效地利用这个"Tri-Segment Intensity _Tri-segrement_盲去模糊"源码，提升你的图像处理技能。
Passively Q-switched tri-wavelength Yb
02-04
In this paper, we reported a multiwavelength passively Q-switched Yb
Charles Elkan的快速k-means算法的代码
11-14
Charles Elkan2003年发表的《using the triangle inequality to accelerate k-means》的快速k-means算法的代码
在k-means或kNN，我们是用欧氏距离来计算最近的邻居之间的距离。为什么不用曼哈顿距离？...
weixin_30629653的博客
11-16 1804
曼哈顿距离只计算水平或垂直距离，有维度的限制。另一方面，欧氏距离可用于任何空间的距离计算问题。 因为，数据点可以存在于任何空间，欧氏距离是更可行的选择。例如：想象一下国际象棋棋盘，象或车所 做的移动是由曼哈顿距离计算的，因为它们是在各自的水平和垂直方向做的运动 转载于:https://www.cnblogs.com/ConnorShip/p/9969107.html...
【机器学习】K-Means算法优化
风口IT猪的成长录
07-23 4563
K-Means算法优化学习目标1. Canopy算法配合初始聚类1.1 Canopy算法配合初始聚类实现流程1.2 Canopy算法的优缺点2. K-means++3. 二分k-means4. k-medoids（k-中心聚类算法）5. Kernel k-means6. ISODATA7. Mini Batch K-Means8. 小结 学习目标 知道K-means算法的优缺点 知道Canopy、K-means++、二分K-means、K-medoids的优化原理 了解Kernel K-means、ISO
机器学习笔记（七）聚类算法K-means原理和实践
haveanybody的博客
12-25 9417
在机器学习领域，除以LR、DT、SVM等为代表的有监督算法外，还有另外一类特殊的存在——无监督算法，其中最为经典就是聚类算法了。聚类算法因为其不需要先验标签，因此在很多领域应用都较为广泛。聚类算法主要有：K-means、DBSCAN、Birch、Spectral clustering、OPTICS等，在本篇文章以及接下来的几篇文章中我们会依次介绍这些算法。 1.K-means原理 K-means的实现比较简单，聚类效果也不错，因此应用比较广泛。对于给定的样本集，K-means按照样本之间的距离大小，将.
Python——Kmeans聚类算法、轮廓系数（算法理论、代码）
最新发布
小平凡的记录的博客
02-22 1万+
Kmeans聚类算法、轮廓系数（算法理论、代码）、饼图
Triangle inequality
screaming的博客
05-24 2934
Triangle inequality From Wikipedia, the free encyclopedia This article is about the basic inequality z ≤ x + y. For other inequalities associated with triangles, see List of triangle i
K-means Algorithm 聚类算法
GarfieldEr007的专栏
05-22 1万+
在监督学习中，有标签信息协助机器学习同类样本之间存在的共性，在预测时只需判定给定样本与哪个类别的训练样本最相似即可。在非监督学习中，不再有标签信息的指导，遇到一维或二维数据的划分问题，人用肉眼就很容易完成，可机器就傻眼了，图(1)描述得很形象。 但处理高维度的数据，人脑也无能为力了，最终还是得设计算法让机器来完成。如何将所有样本分成若干个类簇(cluster)，并且每个类簇中的样本具
K-means聚类算法
TRTK
04-18 4726
原文地址：http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006910.html K-means也是聚类算法中最简单的一种了，但是里面包含的思想却是不一般。最早我使用并实现这个算法是在学习韩爷爷那本数据挖掘的书中，那本书比较注重应用。看了Andrew Ng的这个讲义后才有些明白K-means后面包含的EM思想。      聚
【机器学习】K-Means算法及多种优化改进算法，聚类模型评估，附带案例代码
热门推荐
Daycym的博客
12-04 2万+
一、聚类分析 聚类分析是根据在数据中发现的描述对象（数据）及其关系的信息，将数据划分成有意义或有用的组（簇）。其目标是： 组内的对象相互之间是相似的（相关的），而不同组中的对象是不同的（不相关的）； 组内的相似性（同质性）越大，组间差别越大，聚类就越好。 聚类可以看作是一种分类，它用簇标号创建对象的标记。然而，只能从数据中导出这些标记，它与分类（例如分类决策树等）不同，分类是监督分类，即使用...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值