这是一个创建于 5056 天前的主题，其中的信息可能已经有所发展或是发生改变。
想来想去，都觉得高维数据聚类太坑爹。我这里需要解决的1000维度以上的数据点有上万个，神马算法都是坑爹的慢。嘛，于是我想要高人叫我一个方法，恩，能够对维度1000+的数据进行聚类。
我看到一个文章，恩，《基于k最相似聚类的子空间聚类算法》，我想试试这个算法，有没有人能告诉我这个算法在这个问题上可行性如何？
另外，如果大量数据要使用抽样的方式进行聚类，应该如何操作？一头雾水啊。
我看到一个文章，恩，《基于k最相似聚类的子空间聚类算法》，我想试试这个算法，有没有人能告诉我这个算法在这个问题上可行性如何？
另外，如果大量数据要使用抽样的方式进行聚类，应该如何操作？一头雾水啊。
 |
1
wellsho 2012 年 3 月 10 日
去到数理统计、数据挖掘论坛逛逛吧
维度高可以先做降维 降维可以用特征选择，也可以用特征提取 |
 |
2
willsons7 2012 年 3 月 15 日
降维，可以看看random projection相关的东西。
但是貌似感觉你说的数据直接用CLUTO就可以聚类，如果是稀疏的就更好做了。 |
 |
3
ElloRay 2012 年 3 月 15 日
k-means做太复杂了吧
|
|
4
ElloRay 2012 年 3 月 15 日
跟一楼想的一样。。先做好特征提取吧
|
Select Language