![927b6a67f21d54c10f109ca229085163.png](https://i-blog.csdnimg.cn/blog_migrate/fb99179316454247c6559c086c1a5a7b.jpeg)
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。
![bac05ee4581431311ea507bc0149d7cf.png](https://i-blog.csdnimg.cn/blog_migrate/3f2848081c8b430e7bab652d56ceddb1.png)
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。
![60b23cb4f5d168884653d4006465e719.png](https://i-blog.csdnimg.cn/blog_migrate/e5100c973fe9f75a869fe50b76ce4247.png)
这里推荐SciPy的cdist方法,我找了很久才找到它(知乎上仅有少数几个朋友写了cdist,不过并没突出它的加速比)。cdist方法可以并行化地计算向量N与向量M之间元素的两两距离,然后返回N*M的距离矩阵。
SciPy v1.3.2 Reference Guidedocs.scipy.org使用了这个cdist函数之后,就可以把多层嵌套的kmeans实现提速大概100多倍。仅仅优化这个部分就可以把整个算法的性能提高75%以上,贼给力。
这次的目的就是建议大家在写这种基于距离的算法时不要忘记了cdist。好了,不浪费大家时间,今天就讲这么多。