在sofia-ml包中，有基于 mini-batches 的快速 k-means 聚类的代码（请参阅此处的论文）。你可以做的另一件事是使用随机投影（参见例如here和here） - 因为在k-means中你感兴趣的是距离，并且随机投影保留这些（最多一些）。$\ell_2$$\epsilon$

阅读原始的 k-means 文献。

MacQueen 出版物基于通过添加单点来更新结果。

现在大多数人似乎都在使用 Lloyd 迭代，您可以在其中进行典型的 EM 迭代，有点像 MacQueen 的“批量版本”。

考虑使用 Dirichlet Process K-means原始论文并在github上实现。DP 意味着算法会随着更多数据的到达而创建新的集群。它不需要集群数量 K 的先验知识。DP 均值是基于 Dirichlet 过程混合模型的小方差渐近 (SVA) 逼近的 K 均值算法的贝叶斯非参数扩展。