比较 BIRCH 和 MiniBatchKMeans 算法的对比.ipynb

比较 BIRCH 和 MiniBatchKMeans 本示例比较了 BIRCH（使用或不使用全局聚类步骤）和 MiniBatchKMeans 在使用 make_blobs 生成的 25,000 个样本和 2 个特征的合成数据集上的运行时间。 MiniBatchKMeans 和 BIRCH 都是可扩展的算法，可以在数十万甚至数百万个数据点上高效运行。 为了保持持续集成资源的合理使用，我们选择限制本示例的数据集大小，但有兴趣的读者可以编辑本脚本，使用更大的 n_samples 值重新运行。 如果 n_clusters 设置为 "无"，数据将从 25,000 个样本减少到 158 个簇。 这可以看作是最终（全局）聚类步骤之前的预处理步骤，该步骤会将这 158 个聚类进一步缩减为 100 个聚类。