Fast and Accurate k-means For Large Datasets
-
Michael Shindler, Alex Wong, Adam Meyerson
-
In NIPS 2011
メモ
概要
アルゴリズム
-
解の候補を高々O(klogn)個だけ保持しておく
-
入力点を新しく読む度に、入力点から最も近い解の候補との距離の自乗値に比例した確率で入力点を解の候補に追加する
-
入力点に近い点が解の候補に有ったら入力点は割とどうでもよいが、無かったら入力点の重要度は高いという観察
-
解の候補が増えすぎたら、入力点の処理とほぼ同じ処理を自分自身に適用する
-
最後に、既存のk-meansアルゴリズムで点の数をO(klogn)からk以下に減らす
-
最近傍探索は1次元ベクトルにRandom Projectionしてる
実験
データセット
比較手法
実験結果
戯言
-
アルゴリズムが凄くシンプルだけどシンプル過ぎでは…という印象。解の候補を多めにとっておいて後から縮小する、というアプローチ自体は普通。あと、論文中で紹介されていた定理は、結構hidden constantを無視していたり謎だったので、この辺ちゃんとして欲しいと思った(定理の証明はある)。それと、実験結果が滅茶苦茶なのは流石にヤバすぎでは…。適当にヒューリスティクス追加するだけでも近似比が良くなることを「実験的には」示せそう。
NIPS k-means streaming algorithm
2013-10-17 23:25:40 (Thu)
最終更新:2013年10月17日 23:25