知识卡片
小批量更新减少计算
MiniBatchKMeans 每轮用一批样本更新中心,避免每次都扫描全部记录。批大小影响单轮成本和更新波动,适合用同一数据对比耗时与最终平方误差。
[[K均值交替分配和更新]]。小批更新改变质心计算所用的数据范围。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 9.3 在Python中使用K-means聚类算法 · 查看原书依据
·MiniBatchKMeans类:这是K-means算法的变体,使用mini-batch(小批量)来减少一次聚类所需的计算时间。mini-batch也是深度学习常使用的方法。
参考来源
- 位置:《机器学习算法的数学解析与Python实现》9.3 在Python中使用K-means聚类算法(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00100.html`)
- 结论依据:本节介绍以小批量降低计算代价的变种。
- 原始内容:·MiniBatchKMeans类:这是K-means算法的变体,使用mini-batch(小批量)来减少一次聚类所需的计算时间。mini-batch也是深度学习常使用的方法。