在我的项目上，我使用k-means对组之间的数据进行了分类，但是我对Scikit-Learn的K-Means计算有问题 - 非常慢。我需要提高它。
我试图将 n_jobs 的数量更改为-1，但仍然非常慢！
有什么建议如何加快？
Scikit-learn 中的主要解决方案是切换到Mini Batch Kmeans，从而大大降低了计算资源。在某种程度上，这是用于优化非线性函数的SGD（随机梯度下降）与GD（梯度下降）的类似方法-SGD通常更快（就收敛到本地解决方案所需的计算周期而言）。请注意，这引入了优化更多的差异，因此结果可能更难复制（优化最终将在不同的解决方案中比"全批次" KMeans更频繁地进行）。
scikit-learn 0.23 现在具有优化的实现，并采用了一种新的方式，可以在CPU上并行化工作：
https://scikit-learn.fondation-inria.fr/implementing-a-faster-kmeans-kmeans-in-scikit-learn-0-23/