Средняя масштабируемость

Алгоритм эффективно работает на выборках среднего размера (от тысяч до нескольких десятков тысяч объектов), но сталкивается с ограничениями при переходе к Big Data. **Ограничения:** При увеличении объема данных производительность деградирует нелинейно, либо возрастают требования к оперативной памяти. * *Пример:* **Спектральная кластеризация**. Требует вычисления собственных векторов матрицы Лапласиана. Хотя существуют методы для разреженных матриц (Arpack), для очень больших $n$ это становится вычислительно затратным.