Mahout - 向量集群的向量

Question

我使用：

运行K-Means

KMeansDriver.run(new Path("./bd.seq.file"), new Path(clustersLoc), new Path("output"),
            new EuclideanDistanceMeasure(), 0.001, 10, true, 0.5, false);

我的目标是知道每个原始载体属于哪个簇。 根据我的理解，这应该在output / clusteredPoints / part-m-00000中，但是这个文件看起来像一个空的（120字节）序列文件。

是什么给出了？

Answer 1

好吧，我终于得到了它（至少部分地）。它与KMeansDriver.run()第8个参数有关。 如果它的值为'0'，则其行为与Mahout 0.5中的相同。 参数的名称是'clusterClassificationThreshold'，其javadoc状态为：

  

是群集严格性/异常值删除参数。它的价值   应该在0和1之间。具有低于该值的pdf的矢量将   不被聚集。

对于像我这样的任何Mahout初学者，pdf是“概率密度函数”的首字母缩写。 我不确定我真的得到了这个参数是什么（谷歌搜索在这里没有帮助，javadocs是你将得到的所有），但我想这是因为它是一个机制的一部分，过滤Mahout开发人员选择的原始向量如果它不是'0'，则禁用聚类点。