Nuestro equipo de expertos despúes de varios días de trabajo y de recopilar de información, hemos dado con la solución, queremos que te sea de utilidad en tu plan.
Solución:
Depende de como te llames k-medio.
El problema de encontrar el óptimo global de la función objetivo k-means
es NP-duro, donde Si
es el racimo i
(y aquí están k
racimos), xj
es el d
-punto dimensional en el grupo Si
y μi
es el centroide (promedio de los puntos) del grupo Si
.
Sin embargo, ejecutar un número fijo t
de iteraciones del algoritmo estándar toma solo O(t*k*n*d)
por n
(d
-dimensionales), donde k
es el número de centroides (o grupos). Esto es lo que hacen las implementaciones prácticas (a menudo con reinicios aleatorios entre las iteraciones).
El algoritmo estándar solo se aproxima a un óptimo local de la función anterior, al igual que todos los k-Significa algoritmos que he visto.
En esta respuesta, tenga en cuenta que i
utilizado en la fórmula objetiva k-means y i
utilizados en el análisis de la complejidad temporal de k-means (es decir, el número de iteraciones necesarias hasta la convergencia) son diferentes.
Nos puedes añadir valor a nuestro contenido informacional asistiendo con tu experiencia en las crónicas.