RKM - Rust k-means

基于 C++ 实现 k-means 聚类算法 的简单 Rust 实现，dkm。

此实现是通用的，可以接受任何满足特质要求的类型。至少应支持 Rust 内置的数值浮点类型。使用 rayon 进行并行处理以改善可扩展性，但代价是小型数据集的性能有所下降。

parallel 功能启用了并行性，可以在复杂情况下加速算法。对于小型数据集，并行算法可能比非并行算法慢，但对于高维数据集则要快得多。在使用之前，请确保使用两种配置对您的用例进行基准测试。

已知可以编译 against Rust 稳定版 1.32.0。

用法

通过调用 rkm::kmeans_lloyd 来计算数据集的 k-means 聚类，将您的数据集放入一个 2D ndarray 数组中，以及您希望将数据分割成多少个聚类的数量。返回值将是一个包含聚类均值/质心的元组（作为一个 2D ndarray），以及一个将每个输入数据点映射到均值数组中元素的 Vec。

请参阅 src/example.rs 以获取简单的用法示例。

待办事项

• 终止条件（迭代和增量）。

数据

此库包含一组基准测试，位于 src/bench.rs 中。数据集如下：

iris.data.csv 从不同鸢尾花植物的测量中获取的自然数据。150 个点，2 个维度，3 个聚类。来源：UCI 机器学习存储库。

s1.data.csv 人工合成数据。5000个数据点，2个维度，15个簇。来源：P. Fränti 和 O. Virmajoki，"用于聚类问题的迭代收缩方法"，《模式识别》，39（5），761-765，2006年5月。

birch3.data.csv 人工合成大数据集。100000个数据点，2个维度，100个簇。来源：张等人，“BIRCH：一种新的数据聚类算法及其应用”，《数据挖掘与知识发现》，1（2），141-182，1997年。

dim128.data.csv 高维人工合成数据。1024个数据点，128个维度，16个簇。来源：P. Fränti，O. Virmajoki 和 V. Hautamäki，“使用k-最近邻图的快速层次聚类”，《IEEE 传输：模式分析与机器智能》，28（11），1875-1881，2006年11月。

与dkm相比，此实现对小鸢尾花和s1数据集较慢，但对dim128和birch3数据集较快。

许可

此代码根据MIT许可协议授权。