Python scikit学习库中k-Means的加速

我有一个问题，我的代码需要很长时间来执行。我正在使用python进行编码，并将scikit学习作为机器学习库。我的问题是，k-均值的计算需要很长时间才能完成。基本上，我们有大约3000个数据点，用于在400个集群中进行分组。这种方法重复大约250次。至于时间，大约需要40分钟才能完成。有没有关于如何加速的建议？

---

提前感谢。

如果所有用例都有一个简单的加速，那么它就已经实现了

我们不知道您的数据统计信息，也不知道您到底在做什么，但您可能需要调整参数，特别是：

并行处理：n_作业仅线性加速；更多记忆 init算法：init 迭代次数：最大iter线性加速比；可能不太准确 启动次数：n_初始线性加速比；可能不太准确 如果内存允许，您也可以尝试：预计算距离

但更重要的是：即使是最新版本也解释说，您的用例并不适合太多的集群

---

或尝试替代：./P>对C++标签的注释。这涉及到C++？它可以用C++编写，它比Python更好。你能提供更多的上下文信息和一个小的可重复的示例代码吗？