研究人员提出了一种对 k-means++ 算法的修改，k-means++ 是一种用于初始化 k-means 聚类的常用方法。标准算法对于固定数量的中心 k，其最坏情况下的期望近似比为 \Theta(\log k)。然而，当中心数量 k 从范围 \{K, \ldots, 2K-1\} 中均匀选择时，修改后的 k-means++ 算法能以恒定概率实现 O(1) 近似。 AI
影响 这项研究可能带来更高效、更准确的机器学习聚类应用。
排序理由 该集群包含一篇详细介绍新算法方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
