'标准'k-means聚类和快速k均值之间有什么区别？

Question

快速k-means算法如何工作，它与标准k-means有什么不同？

Answer 1

KMeans聚类是随机放置k个质心，每个质心一个。 将簇放置得越远，效果越好

K-means ++只是K-means的初始化过程。 在K-means ++中，您使用一种算法尝试选择初始质心，该算法试图初始化彼此相距较远的质心。 您随机选择一个点，这是您的第一个质心，然后根据一个概率（取决于到第一个点的距离）来选择下一个点，该点越远越可能。 然后，当您有两个质心时，便要重复此过程，每个点的概率取决于其到该点最近的质心的距离。

这在算法的初始化过程中产生了开销，但它降低了初始化错误导致聚类结果不好的可能性。

Answer 2

快速k-means 似乎是k-means++算法的替代名称。这里的想法是使用更复杂的播种程序＆＃34;对于中心位置的初始选择，而标准k均值则使用随机分布来代替这些位置。 然后，通常的k-means算法在这种改进的启动配置上运行。

根据维基百科k-means ++通常会在两次或三次迭代中收敛，并且通常是标准k-means算法的两倍。