数据聚类 - 数据的预处理

Question

这些天我使用的是一些聚类算法，我只是想问一个与此字段相关的问题。也许那些在这个领域工作的人已经有了这个答案。

在群集过程中，我需要有一些我要聚集的训练数据。迭代次数（e.x.K-Means算法）取决于训练数据的数量（向量的数量）。有没有方法可以从训练数据中找到最重要的数据。我的意思是：不是用所有数据训练K-Means，而是有一种方法可以找到重要的向量（影响大多数聚类的那些向量）并使用这些“重要”向量（从训练数据）到训练算法。

我希望你能理解我。 感谢您阅读并尝试回答。

Answer 1

“培训”和“测试”数据是分类的概念，而不是聚类分析。

K-means是一种统计方法。如果你想加快速度，那么在一个足够大的随机样本上运行它会给你几乎相同的结果。