K-means：実際の状況での反復回数は？

私はデータマイニングやビッグデータの業界での経験がないので、いくつかの経験を共有してほしいと思います。

人々は実際に本当に大きなデータセットでk-means、PAM、CLARAなどを実行していますか？または、ランダムにサンプルをランダムに選択しますか？データセットのサンプルを取得するだけの場合、データセットが正常に分散されていなければ、結果は信頼できますか？

これらのアルゴリズムを実行する実際の状況では、収束が発生するまでに通常何回の反復が必要かを知ることができますか？または、反復の数は常にデータサイズとともに増加しますか？

収束する前に反復アルゴリズムを終了するアプローチを開発しようと考えていますが、結果はまだ許容範囲なので、これを求めています。計算のコストと時間を節約できるように、反復数が1,000を超える場合は、試してみる価値があると思います。どう思いますか？

1. K-meansは安いです。何度も繰り返し実行できます。

2. 悪いアルゴリズム（標準のアルゴリズム）と良いアルゴリズムがあります。優れたアルゴリズムの場合、後の反復のコストは多くの場合、最初の反復の1％よりはるかに低くなります。

3. 本当に遅い実装があります。それらを使用しないでください。

4. 「ビッグ」データのK平均は存在しません。それは低次元のベクトルデータでのみ機能するためです。このようなデータを備えた最新のサーバーのメモリを超えることはありません。はい、より大きなデータが存在します-しかし、Twitterの1か月のデータでk-meansを使用することはできません。

適切な実装により、最新のサーバーでは、k-meansが依然として有用な結果を提供する最大のデータセットを見つけることができ、収束までの計算に1分もかかりません。では、なぜイタレーションの制限について考える必要があるのでしょうか。