Algorithm 一个算法级联到另一个算法的时间复杂度？

我正在使用随机森林解决监督分类问题，我正在使用k-均值聚类算法分割每个节点上的数据。我试图计算算法的时间复杂度。据我所知，k-means的时间复杂度是

O（n·K·I·d）

在哪里

• n是点数
• K是簇的数目
• I是迭代次数，并且
• d是属性数

k，I和d是常数或有一个上界，n比这三个大得多，所以我认为复杂性只是O（n）

另一方面，随机森林是一种分而治之的方法，因此对于n个实例，复杂性为O（n·logn），尽管我对此不确定，如果我错了，请纠正我

---

要获得算法的复杂性，我是否只需将这两个值相加？

在本例中，您不需要将这些值相加。如果有分治算法，则运行时间由

• 每次调用的子问题数
• 这些子问题的大小，以及
• 每个问题完成的工作量

更改这些参数中的任何一个都会严重影响函数的整体运行时。如果每次调用所产生的子问题的数量增加很小，那么总子问题的数量就会成倍增加，这可能会对总体产生很大的影响。类似地，如果您增加每个级别的工作量，因为子问题太多，运行时可能会剧烈波动。查看主定理，作为如何基于这些量确定运行时的示例

在您的例子中，您从一个分而治之的算法开始，您只知道运行时是O（n logn），并且正在添加一个每级执行O（n）工作的步骤。仅仅知道这一点，我认为不可能确定运行时是什么。另一方面，如果你假设

• 算法总是将输入分成两个较小的部分
• 该算法递归地独立处理这两个部分，并且
• 该算法使用O（n）算法来确定要进行的拆分

然后您可以得出运行时为O（n logn），因为这是主定理给出的递归的解决方案

不过，如果没有关于算法内部工作原理的更多信息，我无法确定

希望这有帮助