Lunes, 16 de noviembre de 2026
Portada de las 07:40
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
HN Daily
Ciencia · e-means.github.io

E-means: superar a k-means en una décima parte de las épocas

E-means es un nuevo método de k-means por mini-lotes que usa medias móviles exponenciales y ajusta solo sus hiperparámetros mediante leyes de escala. Sus autores afirman que alcanza en 1,2 a 3 épocas la pérdida que Lloyd logra en 25, con reducciones de tiempo de 10 a 45 veces en GPU.

Foto: vía e-means.github.io

Leer el artículo aquíArtículo original (e-means.github.io) 31 comentarios en Hacker News

Escucha la noticia2 min

El problema de k-means consiste en hallar k centroides que minimicen el error cuadrático medio entre cada punto y su centroide más cercano. Según el artículo, es de los pocos problemas de aprendizaje automático en los que aún se usa la optimización con el conjunto completo (el algoritmo de Lloyd). Los métodos por mini-lotes existentes se basan sobre todo en la regla de MacQueen, de 1967.

E-means actualiza para cada cluster una suma y un contador con una media móvil exponencial, de modo que las asignaciones antiguas se olvidan a un ritmo α y el centroide sigue las asignaciones recientes. Calcula automáticamente el tamaño de lote y el paso a partir de leyes de escala, por lo que no requiere ajuste de hiperparámetros. Añade además una nueva inicialización, la reactivación de clusters muertos dividiendo uno grande, un decaimiento coseno del paso y una fase final que termina en la media exacta de cada cluster. Incluye kernels de GPU que fusionan la asignación al centroide más cercano.

Los autores miden en GPU una reducción de tiempo de 10 a 45 veces frente a Flash-KMeans, y de 8 a 15 veces en CPU frente a Faiss. Explican que eligieron medias móviles y no descenso de gradiente porque este se vuelve inestable con pasos grandes: sospechan que las medias móviles mantienen el centroide dentro de la envolvente convexa de sus puntos. Lloyd resulta un caso particular de e-means (lote completo y α = 1), una esquina del espacio de hiperparámetros que, según su estudio, está lejos de la región óptima.

En conjuntos de prueba pequeños, e-means también cae menos en mínimos locales: por ejemplo, queda atascado en el 3,5 % de 200 inicios frente al 26 % de Lloyd en el caso de dos blobs de tamaños muy distintos.

En Hacker News

«E-means: Outperforming k-means in one-tenth the epochs» · puesto 10 · 355 puntos · enviado por porridgeraisin

Lo que dicen los comentarios

Varios comentaristas han probado el método con resultados dispares: aceleraciones notables en índices vectoriales (IVF), pero nada en un problema geométrico sin conjunto de datos. Las críticas más duras señalan que las técnicas no son nuevas, que Lloyd es una referencia fácil de batir, que falta comparar con mini-batch k-means bien ajustado (como el de scikit) y que la afirmación de paralelismo no se mide en escala, donde mandarían las comunicaciones. Otra línea discute cómo elegir k, que no tiene una respuesta única, y hay quien pide entender el algoritmo como EM con un término de fricción. Una tercera, de aplicaciones: para qué se usa k-means en la práctica.

  • Probé e-means en mi malla icosaédrica sobre una esfera y no mejora: no hay conjunto de datos, el centroide de cada celda se calcula directamente. Los mini-lotes solo añaden una estimación ruidosa; fue mucho más lento y dejó la malla ruidosa.
    — jlhawn, leer el comentario
  • Adapté el método a mi índice IVF (el proyecto code-daemon) y conseguí una aceleración de 146 veces en la GPU. Impresionante.
    — real_faxenoff, leer el comentario
  • Hace tiempo que se hace k-means por mini-lotes, incluso con actualización EWA. Superar a Lloyd es un listón muy bajo, y no se mide lo importante: cómo escala el algoritmo con más datos o paralelismo, donde las comunicaciones limitan.
    — saagarjha, leer el comentario
  • La mayoría de estos trucos ya están establecidos y las propias ablaciones no muestran sinergia especial. Comparar con Faiss es justo, pero deberían incluir un mini-batch k-means bien ajustado, como el de scikit.
    — oofbey, leer el comentario
  • No hay una respuesta ideal para elegir k: depende de lo que hagas con los clusters. A veces lo fija un presupuesto de representación, o conviene un número manejable; otras veces se toma sqrt(N).
    — oofbey, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.