对百万量级的数据如何快速聚类？

[gazhang]

我有 100 万条数据，每个数据是一个 200 维的向量，考虑对它们进行聚类。目前尝试了 scipy 的 k-means 聚类算法，但是半天没有结果。 计算平台是 windows 7，内存 16G。

[xxxy]

有 gpu 的话可以用 tensorflow 的 k means，应该会快十几倍吧

[ipwx]

https://www.tensorflow.org/api_docs/python/tf/contrib/factorization/KMeansClustering

[pwrliang]

上分布式吧，用 Spark 写个 K-means

[shidenggui]

pca 降维，再聚类

[gazhang]

最后还是在好点的机器上跑了，大概半小时。