这是正确的学习算法，k-means？

Question

我正在研究一种基本决策算法，即基于并行循环迭代的时间，决定增加或减少分配给进程的线程数量。我最初的方法是采用10次迭代的平均时间，并将其与之前的（平均）时间进行比较，每5次。这种方法失败了...它本身就会将线程数减少到1。

所以我转向无监督学习，使用群集作为决定 time x 的方法，应该分为：增加，坚持或减少线程数量分配。

根据我正在分类的数据类型，我相信K-means是无监督学习的良好起点？我在这里正确的轨道......

Answer 1

如果您有目标，请使用受监督的学习。

无监督方法可以通过某种目标进行聚类。根据此目标，您无法控制具有k均值聚类点（例如“增加，坚持或减少”）。相反，k-means可能会产生与此无关的集群！

尝试标记一些数据（在回顾中应该相当容易，即“我应该增加t减去10的线程数”）然后训练分类器。