Mini Batch K-Means算法原理及API解析

最新推荐文章于 2025-11-06 11:06:36 发布
原创 最新推荐文章于 2025-11-06 11:06:36 发布 · 5.3k 阅读 · 16 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Mini Batch K-means算法

Mini Batch K-Means是K-Means的优化版本，通过随机抽取小批量数据加速收敛，减少计算时间。算法在每个小批量数据上更新质心，直至质心稳定或达到最大迭代次数。sklearn.cluster库提供了MiniBatchKMeans类，其参数如n_init、batch_size、reassignment_ratio等影响算法性能。此外，Mini Batch K-Means特有的partial_fit方法允许逐步训练。

思想：

Mini Batch K-Means算法是K-Means算法的变种，采用小批量的数据子集减小计算时间，同时仍试图优化目标函数，这里所谓的小批量是指每次训练算法时所随机抽取的数据子集，采用这些随机产生的子集进行训练算法，大大减小了计算时间，与其他算法相比，减少了k-均值的收敛时间，小批量k-均值产生的结果，一般只略差于标准算法。

迭代步骤： 
1：从数据集中随机抽取一些数据形成小批量，把他们分配给最近的质心 
2：更新质心 
与K均值算法相比，数据的更新是在每一个小的样本集上。对于每一个小批量，通过计算平均值得到更新质心，并把小批量里的数据分配给该质心，随着迭代次数的增加，这些质心的变化是逐渐减小的，直到质心稳定或者达到指定的迭代次数，停止计算 

API 

class sklearn.cluster.MiniBatchKMeans(n_clusters=8, init=’kmeans++’, max_iter=100

最低0.47元/天 解锁文章
AI人工智能领域聚类算法的优化策略
大模型应用工坊
07-06 1036
聚类是AI无监督学习的“眼睛”，它能从无序数据中发现隐藏的结构——就像从一堆散落的拼图中拼出完整的图像。但传统聚类算法（如K-means、DBSCAN）常面临“初始质心敏感”“参数难调”“大数据处理慢”等痛点，就像“盲人摸象”时容易摸错方向。本文将以“一步步思考”的方式，拆解聚类算法的优化策略：从“选对起点”（初始化优化）到“找对距离”（度量方式改进），从“提升效率”（并行化与抽样）到“适应复杂数据”（密度与深度学习融合），并通过真实案例展示这些策略如何将“模糊的轮廓”变成“精准的画像”。
聚类分析 | Mini-Batch K-均值（Python）
天天酷科研的博客
09-07 335
聚类分析 | Mini-Batch K-均值（Python）
Lesson 7.2 Mini Batch K-Means与DBSCAN密度聚类
每天进步一点点！
02-16 2023
Mini Batch K-Means 算法原理与实现，DBSCAN 密度聚类基本原理与实践
机器学习13：聚类Mini Batch K-Means
matafeiyanll的博客
02-05 1331
聚类Mini Batch K-Means Mini Batch K-Means 原理 Mini Batch K-Means算法是K-Means算法的变种，采用小批量的数据子集减小计算时间。这里所谓的小批量是指每次训练算法时所随机抽取的数据子集，采用这些随机产生的子集进行训练算法，大大减小了计算时间，结果一般只略差于标准算法。 该算法的迭代步骤有两步： 1：从数据集中随机抽取一些数据形成小批量，把他...
MinibatchKmeans——牺牲精度换取效率的一种kmeans改良
toohardp的博客
05-15 1131
毕设搞聚类，研究一下
聚类分析（三）Mini Batch KMeans算法
chiqi1020的博客
09-26 2126
在当前大数据的背景下，工程师们往往为了追求更短的计算时间，不得不在一定程度上减少算法本身的计算精度，我说的是在一定程度上，所以肯定不能只追求速度而不顾其它。在KMeans聚类中，为了降低计算时间，KMeans算法的变种Mini Batch KMeans算法应运而生。 ...
Minibach kmeans 方法
lv_tianxiaomiao的博客
03-13 1265
kmeans是一个基本的聚类方法，相信学过数据挖掘的都会懂这个算法 不过kmeans在数据量大的情况下会导致计算时间过长的问题， 所以自然而然的就会有相应的提高计算速度的方法出现 其实跟随机梯度下降的方法类似，也就是minibatch方法，基本上都一样 随机梯度下降是使用随机的样本来计算下降的梯度，而不是使用全局梯度 这个好处就是计算快，坏处就是局
K均值算法原理解析与实例演示
K均值算法（K-means algorithm）是一种常用的聚类算法，通过划分数据集中的观测值为K个簇（cluster），使得同一簇内的观测值彼此更加相似，不同簇间的观测值差异更大。K均值算法的核心思想是将数据集划分为K个集群，...
大数据领域数据挖掘的常用算法解析
大数据洞察的博客
08-30 840
任务类型目标典型应用场景分类预测样本所属类别（离散标签）信用评分、 churn 预测聚类将样本划分为相似群体（无标签）用户分群、拥堵点检测关联规则发现变量间的频繁共现关系购物篮分析、推荐系统回归预测连续值目标变量房价预测、销量预测异常检测识别偏离正常模式的样本fraud 检测、设备故障预警。
29、无监督学习模型：PCA、K-Means与自组织映射的深入解析
最新发布
e3f4g5的博客
11-06 19
本文深入解析了三种重要的无监督学习技术：主成分分析（PCA）、K-Means聚类和自组织映射（SOM）。详细介绍了它们的原理、实现方法及在TensorFlow中的应用示例，并通过对比表格和实际案例展示了各自的特点与适用场景。文章还探讨了这些技术在客户数据分析等现实问题中的综合运用，最后展望了无监督学习未来的发展方向。
sklearn.cluster常用API介绍(KMeans,MiniBatchKMeans)
热门推荐
fengzhizi76506的博客
03-21 1万+
问题：对于给定的数据集{x1,x2...xn}，如何根据样本点自身的数据特性实现分类，也就是在没有标签的情况下将距离较近的数据点划分到同一类，假设这个类别就是他们的标签。也就是解决如下问题：通过计算机来将人类可以迅速分类的点群划分出来。这里介绍几个常用的求点到中心距离公式：1）Minkowski Distance 公式 —— λ 可以随意取值，可以是负数，也可以是正数，或是无穷大。2）Euclid...
Python之----KMeans算法处理图像与MiniBatchKMeans（小批量处理算法）处理图像
aaa123_456aaa的博客
12-05 3305
1、KMeans算法 from PIL import Image import matplotlib.pyplot as plt import numpy as np from sklearn.cluster import KMeans, MiniBatchKMeans import datetime if __name__ == "__main__": A = Image.open("photo.jpg", 'r') #请输入彩色图像文件 rawimage = np.asarray(A)
机器学习/sklearn 笔记：K-means,kmeans++,MiniBatchKMeans，二分Kmeans
qq_40206371的博客
11-22 3699
indices：形状为(n_clusters,) 在数据数组X中选择的中心的索引位置。对于给定的索引和中心，X[index] = center。centers：形状为(n_clusters, n_features) ，k-means的初始中心。sample_weight 是X中每个观测的权重。如果为None，则所有观测都被赋予相等的权重。样本到最近簇中心的平方距离之和，如果提供了样本权重，则按样本权重加权。（也就是KMeans里面fit的内容）类似于使用k_means++来进行。用来选择初始种子的数据。
sklearn K-means MiniBatch-K-Means
斯温的博客
08-13 2454
K-means: K-means的注意事项，对于不同量纲（扁平数据）及（类别）非凸数据不适用，应当做PCA 预处理。 通过对协方差阵的估计可以看到，make_blobs是用单位协方差阵生成的。 cluster_std为每个cluster的标准差。 下面Anisotropicly Distributed Blobs施加的是强线性变换（无扰动）并强负相关 变换后相关系数-0.950
聚类算法之Mini Batch K-Means 算法
jack_jay_du的博客
08-17 5927
定义 Mini Batch K-Means算法是K-Means算法的一种优化方案，采用小批量的数据子集减小计算时间，同时仍试图优化目标函数，这里所谓的小批量是指每次训练算法时所随机抽取的数据子集，采用这些随机产生的子集进行训练算法，大大减小了计算时间，与其他算法相比，减少了k-均值的收敛时间，小批量k-均值产生的结果，一般只略差于标准算法。 Mini Batch KMeans使用了一个种叫做M...
小批量K-均值（Mini Batch K-Means）
...
07-07 1279
小批量K-均值（Mini Batch K-Means）是一种K-Means聚类算法的变种，它旨在处理。传统K-Means算法需要在每一轮迭代中遍历整个数据集，这在数据量巨大时是非常耗时的。Mini Batch K-Means通过每次（即“mini batch”）来更新聚类中心，从而显著减少了计算时间。
基于Python的机器学习系列（20）：Mini-Batch K均值聚类
不想宅的冷同学
09-02 523
K均值聚类（K-Means Clustering）是一种经典的无监督学习算法，但在处理大规模数据集时，计算成本较高。为了解决这一问题，Mini-Batch K均值聚类应运而生。Mini-Batch K均值聚类通过使用数据的子集（mini-batch）来更新簇中心，从而减少了计算量，加快了处理速度。Mini-Batch K均值聚类与标准K均值聚类相比，在处理大规模数据时表现出色，虽然在准确性上略有差距，但在计算速度上却能显著提高。
简单易懂无监督分类算法：Kmeans, MiniBatchKmeans和DBSCAN
yonsan_的博客
12-23 702
DBSCAN与KMeans不同，它是一种基于密度分类的聚类算法。
详解Kmeans的两大经典优化——mini-batch和Kmeans++
TechFlow的博客
03-25 2254
本文始发于个人公众号：TechFlow，原创不易，求个关注 今天是机器学习专题的第13篇文章，我们来看下Kmeans算法的优化。 在上一篇文章当中我们一起学习了Kmeans这个聚类算法，在算法的最后我们提出了一个问题：Kmeans算法虽然效果不错，但是每一次迭代都需要遍历全量的数据，一旦数据量过大，由于计算复杂度过大迭代的次数过多，会导致收敛速度非常慢。 想想看，如果我们是在面试当中遇到的这个问...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值