知识卡片

普通读书笔记卡 · 6256.k

固定抽样减少比较也会漏配

理解等级:中级

每个对象只与固定k个抽样候选比较,比较调用可从约n²缩到约nk,但可能错过没有抽到的近邻。示例用randint重复抽取,有放回,k次不保证k个互异对象,重复与自身比较也可能浪费额度;k接近n时成本又趋向平方。性能改善与匹配质量需共同观察,不能宣称等价结果。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      SAMPLE_SIZE): title2 = all_titles[random.randint(0, len(all_titles)-1)] if title2 in clusters[title1] or clusters.has_key(title2) and title1 \ in clusters[title2]: continue distanc

    参考来源

    - 位置:《社交网站的数据挖掘与分析(原书第2版)》第3章《3.3.4 聚类算法》(spine79;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0068.html;u051-ch03-030)。 - 结论依据:原文在“SAMPLE_SIZE”附近的定义、例子或代码支撑本卡核心说明:每个对象只与固定k个抽样候选比较,比较调用可从约n²缩到约nk,但可能错过没有抽到的近邻。边界按已读前提解释;示例未执行。 - 原始内容:SAMPLE_SIZE): title2 = all_titles[random.randint(0, len(all_titles)-1)] if title2 in clusters[title1] or clusters.has_key(title2) and title1 \ in clusters[title2]: continue distanc