使用Mahout聚类一个点

Question

我知道Mahout用于批量处理，但我感兴趣的是我是否可以使用它的KMeans，以及如何聚类各个点？

让我们说我们有以下情况

• 全局群集，对所有数据执行批处理并将质心作为结果
• 使用全局聚类中心的一点聚类将该点分配给一个聚类 - 它不需要聚类质心重新计算 - 只需将该点指定给现有聚类

我可以使用Mahout执行此操作，还是我必须自己实施？我认为将迭代次数设置为1，并以这种方式分配点，但事实是，KMeans重新计算集群质心，如果新点是异常值，它会从中创建一个新集群。我不想要那个，我实际上想要距离最接近的质心。

目前，似乎不适合使用KMeans，但它应该单独实施......这是正确的吗？

由于

Answer 1

您不需要使用Mahout。

K-means将点分配到最近的中心。

所以只需将所有中心（应该很容易放入RAM），并计算每个中心的最小二乘差异。

这只是几个CPU周期，尝试在Mahout上执行此操作绝对没有任何好处 - 开销对于一些k距离计算来说太大了。