minibatch kmeans（scikit-learn）の処理をどのように配布できますか？

Scikit-learnで、K-Meansにはn_jobsがありますが、MiniBatch K-Meansには欠けています。 MBKはKMeansよりも高速ですが、大規模なサンプルセットではマルチプロセッシング（または他の並列処理ライブラリ）に処理を分散したいと考えています。minibatch kmeans（scikit-learn）の処理をどのように配布できますか？

MKBの回答は部分一致ですか？

出典

2013-06-11 Phyo Arkar Lwin

私はこれが可能ではないと思います。あなたはミニバッチ処理の中でOpenMPを使って何かを実装することができます。私は、どのようなパラレルミニバッチk-means手続きも知らない。確率的勾配降下手順を並列化することはやや毛深い。

Btwでは、KMeansのn_jobsパラメータは異なるランダム初期化afaikのみを配布します。

出典

2013-06-12 15:55:15

モデルをウォームアップしてローカル最小流域に達し、その後、元のモデルのクローンでデータセットのパーティションを微調整し、時折平均化することができます。私はそれを試みたことはありません。 – ogrisel

パーティションをウォームアップして起動しない特別な理由はありますか？また、どのように平均していますか？クラスタ間の対応関係を見つけて、中心を平均化してみてください。それとも、初期化を暖かく開始し、通信が安定することを期待していますか？ –

モデル＃0の重心＃2がモデル＃1の重心＃2に近いことはありそうもありません。ウォームアップとは、重心の安定したマッチングを可能にすることです。 – ogrisel

minibatch kmeans（scikit-learn）の処理をどのように配布できますか？

答えて

関連する問題