如何将初始质心作为mahout kmeans的向量？

Question

mahout实现kmeans的其中一个开关是-c（集群）。

“输入质心，作为向量。必须是可写，簇/冠层的SequenceFile。”

我不知道我应该如何制作这些质心。我已经将我的文本数据转换为sequenceFiles并从那里转换为Vectors。我只需要解决这个问题，我就可以尝试对数据进行聚类。

Answer 1

您可以使用RandomSeedGenerator类为k-means聚类生成随机初始质心。

Path centroids = RandomSeedGenerator.buildRandom(conf,new Path("testdata2/points.seq"),new Path("testdata2/clusters"),k,new EuclideanDistanceMeasure());

只提供您想要聚类的数据点（points.seq）的路径和初始质心的路径（testdata2 / clusters）

如果成功运行，则会在testdata2 / clusters目录下包含文件part-randomSeed文件。

Answer 2

如果你想使用具有一定数量聚类的随机初始质心（这是一种非常常见的方法），你根本不需要在聚类之前创建初始质心。

引用Mahout k-means article：

  

注意：如果提供-k参数，将覆盖-c目录中的任何簇，并从输入向量中采样-k随机点，以成为初始簇中心。

因此，初始质心目录必须存在且可以为空 - 在运行实际聚类之前，它将用k个随机选择的质心填充。

下面我提供了一个我刚刚成功运行的命令亚麻布调用。我更喜欢使用更多的语言参数，因此我使用--clusters而不是等效的-c来定义初始质心的（空）目录和--numClusters而不是等价的{{1}定义我想要总共3个聚类（产生3个初始质心）。

-k