SamTzeng
正在
kmeans 一般速度為 O ( k * d* n ), d=dimension， 並不快
分群的數目可以依據個人經驗決定，或是讓程式自動估算。讓程式自動估算的方式是，每回合會計算所有點到群心的半徑總和，此總和應該要越來越小 若半徑總和增加，就是該停止的時候
那在學長的程式中,所用kmeans的種子是random撒的嗎?
SamTzeng
說
是從輸入的data set中random選出一個做kmeans，之後每輪都會新增一個群心，直到無法再增加群心為止。
SamTzeng
說
分群結果好壞，也因此奠基於初始random選到的那點的合適度。
SamTzeng
說
你提的Affinity Propagation是更穩定的做法，因為他先假設以data set中每一點當作群心，再慢慢收斂到最合適的群心
SamTzeng
說
其缺點是速度慢，且針對超高維度的應用，可能需自己加以改良distance measure function (responsibilities 與 availabilities)