K均值与在线K均值

K-means是一种众所周知的聚类算法，但是这种算法也存在在线变化形式（在线K-means）。这些方法的优缺点是什么，何时应首选？

在线k均值（通常称为顺序k均值）与传统k均值非常相似。区别在于，在线k均值允许您在收到新数据时更新模型。

当您希望数据被一个接一个地接收（或成块接收）时，应使用在线k均值。当您获得有关模型的更多信息时，这使您可以更新模型。这种方法的缺点在于它取决于接收数据的顺序（参考）。

MacQueen k-means原始出版物（第一个使用名称“ kmeans”的名字）是一种在线算法。

MacQueen，JB（1967）。“一些分类和多元观察结果分析的方法”。第五届伯克利数学统计和概率研讨会论文集1.加利福尼亚大学出版社。第281–297页

分配每个点后，均值将使用简单的加权平均公式进行增量更新（旧均值的加权值为n，新均值的加权值为1，如果均值之前有n个观测值）。

据我所知，这也意味着只对数据进行一次传递，尽管它可以被重复多次以重新分配点直到收敛。

如果对数据进行混洗，则MacQueen收敛所需的迭代次数通常少于劳埃德（Lloyds）（因为更新平均值的速度更快！）。在有序数据上，可能会有问题。不利的一面是，每个对象需要更多的计算，因此每次迭代花费的时间会稍长一些（显然，还要进行其他数学运算）。