Migliorare le varianti di K-Means

L'analisi di clustering è uno degli algoritmi di elaborazione dei dati più comunemente usati. Nel corso di mezzo secolo, K-means rimane l'algoritmo di clustering più popolare a causa della sua semplicità. Il clustering K-means tradizionale cerca di assegnare n oggetti di dati a k cluster partendo da centri iniziali casuali. Tuttavia, la maggior parte delle varianti di k-means tende a calcolare la distanza di ogni punto di dati da ogni centroide di cluster per ogni iterazione. Proponiamo un'euristica veloce per superare questo collo di bottiglia con solo un aumento marginale dell'errore quadratico medio (MSE). Osserviamo che attraverso tutte le iterazioni di K-means, un punto dati cambia la sua appartenenza solo tra un piccolo sottoinsieme di cluster. La nostra euristica predice tali cluster per ogni punto dati guardando i cluster vicini dopo la prima iterazione di k-means. Aumentiamo varianti ben note di k-means come Enhanced K-means e K-means con Triangle Inequality usando la nostra euristica per dimostrare la sua efficacia. Per vari set di dati, la nostra euristica raggiunge un'accelerazione fino a 3 volte rispetto alle varianti efficienti di k-means.