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 kes 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.