如何使用Spark MLlib中的Power Iteration聚类生成的谱聚类模型来预测新点的聚类成员资格？

Question

我正在使用Spark MLlib的Power Iteration Clustering功能来聚类无向图。当节点数量和亲和度矩阵的大小非常大时，该模型的计算成本很高。在这种情况下，重新估计新数据的集群将成为一个非常昂贵的过程。

问题：

1. 有没有办法从Spark MLlib生成的 PowerIterationClusteringModel 对象预测新点的集群成员资格？
2. 如何从模型对象访问模型估计的中间结果，例如估计的eignevectors和特征值＆amp;在eignevectors跨越的空间中投影数据点？目前，只有群集分配通过API
公开
3. 我从this问题中发现了一些用于谱聚类的增量/在线学习方法。 Spark上有这样的方法可用吗？
   • Incremental spectral clustering by efficiently updating the eigen-system
   • Incremental kernel spectral clustering for online learning of non-stationary data
   • A Fast Incremental Spectral Clustering for Large Data Sets