我使用ELKI's AnderbergHierarchicalClustering对我的数据集进行了超过150000次观察，对于每次观察，我使用了三个变量：lat，{{1} }和lng，所有这些都是price。
我遇到了以下问题：
double - right shift执行Agnes triangle - 这需要大(size * (size - 1)) >>> 1个需求为了解决这个问题，我决定将数据集拆分为RAM的重叠子集。
对于20000 obs，我需要20000 obs。
我不知道以这种方式分割数据的最佳方法是什么，应用于子集的聚类结果将尽可能接近聚类整个集合的结果。
答案 0 :(得分：1)
如果您使用single-linkage，则可以使用只需SLINK内存的O(n)。
它仍然需要O(n^2)时间。
Hierarchical clustering的可扩展性不高。
CLINK可以使用complete linkage内存O(n)，但结果质量通常不是很好（通常比Anderberg complete linkage更差。< / p>
遗憾的是，我们拥有的所有其他算法都是O(n^2)。
因此，在大约65535个实例中，您将使用Java撞墙。
我的待办事项列表中有一个算法应该可以在O(n log n)中运行，如果我没有与index support弄错的话。但我还没有详细研究它 - 除了linkage strategies之外，还不清楚哪个single-linkage可以支持。
如果你有很多重复，请务必先合并它们！