BanditPAM：通过多臂老虎机实现近线性时间的k-medoids聚类

本文宣布公开发布 BanditPAM，这是一种在斯坦福人工智能实验室开发的新型 k-medoids 聚类算法。BanditPAM 的主要优势在于其速度，与先前算法的 O(n^2) 相比，实现了 O(n log n) 的复杂度。这使得 k-medoids 对于大型数据集更实用，它提供了诸如可解释的聚类中心和对异常值的鲁棒性等优点。文章强调了易用性，只需简单的 pip 安装，并且界面类似于 scikit-learn 的 KMeans。视频摘要、PyPI 包、GitHub 存储库和完整论文的可用性进一步增强了可访问性，并鼓励 ML 从业人员采用。与 k-means 的比较有助于理解这项工作背后的背景和动机。

• •BanditPAM 是一种新的、更快的 k-medoids 聚类算法。
• •与之前的 k-medoids 算法相比，它提供了更高的速度 (O(n log n))。
• •它易于安装和使用，具有类似 scikit-learn 的界面。