machine-learning - 哪个是正确的学习算法，k-means？

Question

我正在研究一种基本的决策算法，即基于并行循环迭代的时间，决定增加或减少分配给进程的线程数量。我最初的方法是取十次迭代的平均时间，并将其与之前的（平均）时间进行比较，每 5 秒一次。这种方法失败了......它本身总是会将线程计数降低到 1。

所以我转向无监督学习，使用聚类作为决定时间 x是否应该分类为：增加、坚持或减少要分配的线程数量。

基于我正在分类的数据类型，我相信 K-means 是无监督学习的一个很好的起点？我在正确的轨道上......

score 1 · Accepted Answer

如果您有目标，请使用监督学习。

无监督方法可以通过某种目标进行聚类。根据此目标（例如“增加、坚持或减少”），您无法控制 k 均值聚类点。相反，k-means 可能会产生与此完全无关的集群！

尝试标记一些数据（回顾起来应该相当容易，即“我应该在 t 减去 10 时增加线程数”），然后在此基础上训练分类器。