да, спасибо, так и есть

коллеги, подскажите пожалуйста, как улучшить время работы алгоритма? как не использовать replicate?

у меня есть функция, которая принимает
-> точки на плоскости
-> центры кластеров

выдает
-> индекс принадлежности к кластеру
(kmeans почти в чистом виде)

считает она расстояния от каждой точки до каждого кластера (здесь replicate, map zipWith, map map norm2)
и дальше находить минимум для каждой точки (map minimum)
после вытаскиваю индекс этого минимума для каждой точки

время работы алгоритма ужасное и я вот думаю, как можно уйти от replicate? мне кажется, что проблема по большей части в нем

ViewPatterns: Yes (n@(even -> True))

PatternSynonyms:

pattern Even n <- n@(even -> True)
...
Yes (Even n)

похоже, что проблема в самом подходе O(n²), и надо менять весь алгоритм

вам надо получить все расстояния от каждого до каждого? тогда от O(n²) не уйти

вот да, я думал думал и понимаю, что как-то принципиально от этого не избавиться

спасибо за подтверждение моих догадок

но тут все таки есть способы, я сейчас начал кое что дописывать
потом покажу результаты

от replicate не уйти точно

replicate можно заменить на аналог, но скорость будет та же

надо только ближайший к точке центр кластера найти? так можно же kd-дерево использовать

да, ближайший
оптимизация через kd - это не канон kmeans, но идея интересная

а, нужно апдейтить центры после добавления точки?

да, в kmeans их нужно пересчитывать

спасибо, поизучаю ViewPatterns

если надо прост k-means считать, то почему бы готовую либу не использовать типа kmeans-vector?

В учебных целях сам пишу

Проверю сколько там по времени и как написано

но это же хуже гардов

в данном случае хуже

а чем хуже?

синтаксически сложнее