k-means在动态编程中的复杂性？

Question

我们都知道k-means算法：复杂度为 O（n * K * I * d）其中：

1. n =分数
2. K =群集数量
3. I =迭代次数
4. d =属性数

但我的问题是在动态编程中应用K-means时我无法弄清楚它的复杂性。

简单地使用 DP 的K-means的想法如下：

• 计算邻近矩阵
• 让每个数据点成为一个群集
• 的重复
  • 合并两个最接近的群集
  • 更新邻近矩阵
• 直到只剩下一个群集

我试图找到它的伪代码，所以我可以尝试找出复杂性，但我不能。

那么，我怎么能发现它的复杂性呢？它可能是什么？

先谢谢你们的回答。

Answer 1

您所描述的算法不是动态编程的k-means，而是一种称为agglomerative clustering的层次聚类。通常，凝聚聚类实现需要时间（IIRC）O（n ³ d），其中n是数据点的数量，d是特征的数量。维基百科更深入地探讨了它是如何运作的。

请注意，以这种方式找到的群集不与您通过k-means获得的群集相同。凝聚聚类倾向于产生具有不同属性集的非常不同的聚类。

希望这有帮助！