快速纯Python实现的k-means

Question

我想在谷歌应用程序引擎应用程序（为谷歌玻璃构建）上做k-均值聚类。appengine只接受纯Python库。在

我尝试过使用SciPy的kmeans和kmeans2来使用py_vq而不是{}的C实现，但是它们在大约500000 x，y，z点上花费了太长时间（~100秒），我在App Engine日志中得到了一个DeadlineExceededError。在

为了节省内存限制，我已经将样本大小减少了90%，所以我想避免再减少样本量。在

有没有什么纯pythonk-means库对googleappengine来说足够快？在

Answer 1

如果出现死线异常错误，请考虑使用后端。后端没有截止时间和可配置的内存限制（虽然不是很高，最大1GB）。在

参见：https://developers.google.com/appengine/docs/python/backends/

Answer 2

好吧，C实现肯定比纯python实现更快。。。 对于数字方面的东西，纯python可能非常昂贵和缓慢。这就是为什么像numpy和scipy这样的python库在后端有很多用更快的语言实现的东西。在

您也可以尝试限制迭代次数。经过10次迭代后的k均值结果可能与实践中的最终结果一样好。这是第一次迭代，情况会发生很大变化。在