从下面链接的图像中，看起来当数据实际上由 K 个各向同性簇组成时，光谱聚类和 K-means 一样好。但对于其他非凸聚类，光谱聚类优于 k-means。这是真的？我什么时候应该使用 K-Means 聚类而不是光谱聚类？
此外，要查找第 1 行和第 2 行中显示的形式的集群，我需要将什么相似度函数与 SpectralClustering 结合使用？
我什么时候应该使用 k-means 而不是 Spectral Clustering？
机器算法验证
机器学习
聚类
数据挖掘
k-均值
光谱分析
2022-03-26 21:33:01
1个回答
k-means 要快得多。
K-means 在性能方面很难超越，因此它适用于更大的数据集。这可能是关键因素。
K-means 是，即线性。
对于大型数据集，任何或更糟的是令人望而却步。
光谱聚类在.
这意味着它不适用于任何相当大的数据集。第二张图像在强大的 CPU 上已经花费了 7 秒 - 不要在更大的数据上尝试这个，你不会高兴的。
PS该图像已过时。当前版本可以在sklearn 文档中找到（不是嵌入，因为我不知道图像是否可以 CC-BY-SA-3.0 许可......您的图像上传可能侵犯版权，虽然我怀疑你'会惹上麻烦的……）
注意运行时信息。k-means 和 DBSCAN 在这些小玩具数据集上的每一个都花费 <0.02s，而谱聚类要慢23-734 倍。只有亲和力传播同样糟糕。