我正试图从Apache Mahout Cookbook中的示例合成控制数据中找出Canopy聚类。但是，不是得到6个聚类，而是得到600 - 对于集合中的每个样本一个。
C-0 {n = 1 c = [0：28.781,1：34.463,2：31.338,3：31.283,4：28.921,5：33.760,6：25.397,7：27.785,8：35.248,9 ：27.116,10：32.872,11：29.217,12：36.025,13：32.337,15：34.525,16：32.872,17：34.117,18：26.524,19：27.662,20：26.369,21：25.774,22：29.270 ，25：30.733,26：29.505,27：33.029,28：25.040,31：28.917,32：24.344,33：26.120,34：34.942,35：25.029,36：26.631,37：35.654,38：28.435,39 ：29.150,40：28.158,41：26.193,42：33.318,43：30.977,44：27.044,45：35.534,46：26.235,47：28.996,48：32.004,49：31.056,50：34.255,51：28.072 ，52：28.940,53：35.497,54：29.747,56：31.433,57：24.556,58：33.743,59：25.047,60：34.932] r = []}
C-1 {n = 1 c = [0：24.892,1：25.741,3：27.553,4：32.822,5：27.879,6：31.593,7：31.486,8：35.547,9：27.952,10 ：31.660,11：27.542,12：31.189,13：27.487,14：31.391,16：27.811,18：24.488,20：27.592,21：35.627,22：35.410,23：31.417,24：30.745,25：24.131 ，26：35.142,27：30.472,28：31.987,29：33.662,30：25.551,31：30.469,32：33.647,33：25.070,34：34.077,35：32.598,36：28.304,37：26.147,38 ：26.941,39：31.520,40：33.109,41：24.149,42：28.516,43：25.791,44：35.952,45：26.530,46：24.858,47：25.956,48：32.836,49：28.532,50：26.346 ，51：30.621,52：28.986,53：29.405,54：32.558,55：31.021,56：26.642,57：28.433,58：33.656,59：26.424,60：28.466] r = []}
C-2 {n = 1 c = [0：31.399,1：30.632,2：26.398,3：24.291,4：27.861,5：28.549,6：24.972,7：32.436,8：25.224,9 ：27.307,10：31.839,11：27.259,12：28.257,13：26.582,14：24.046,15：35.063,16：31.572,17：32.561,18：31.031,19：34.120,20：26.934,21：31.478 ，22：35.017,23：32.385,24：24.332,25：30.200,26：31.245,27：26.681,28：31.514,29：28.878,30：27.309,31：24.246,33：26.963,34：25.292,35 ：31.611,36：24.713,37：27.481,38：24.208,39：26.806,40：35.125,41：32.629,42：31.056,43：26.358,44：28.086,45：31.439,46：27.306,47：29.608 ，48：35.973,49：34.144,50：27.172,51：33.632,52：26.597,53：25.539,54：32.543,55：25.577,56：29.990,57：31.351,59：33.900,60：29.545] r = []}
C-3 {n = 1 c = [0：25.774,2：30.526,3：35.421,4：25.603,5：27.970,8：25.270,9：28.132,11：29.427,12：31.455,13 ：27.320,16：28.956,17：28.992,18：29.958,19：30.277,20：30.445,21：24.304,22：24.314,24：35.097,25：25.368,26：32.097,27：33.330,28：25.010 ，29：35.316,30：31.626,31：29.281,32：34.202,33：26.508,34：32.228,35：25.527,36：24.824,38：27.559,39：28.371,40：32.367,41：26.975,42 ：35.935,43：35.115,44：24.375,45：27.608,46：27.843,47：29.856,48：32.419,49：26.891,50：31.321,51：29.385,52：34.334,53：24.738,54：35.769 ，56：31.873,57：34.205,58：31.156,60：34.629] r = []}
依此类推，直到C-600。
有人能想出一个理由吗？
我正在使用
mahout canopy -i $WORK_DIR/sequencefile/synthetic_control.seq -o
$WORK_DIR/output/canopy.output -t1 80 -t2 55
我在Hadooop 1.2.1上使用Mahout 0.9。本书的例子是针对Mahout的0.9版本，调用函数的方式有变化吗？
我甚至尝试使用不同的t1和t2值，但结果相同。
由于
答案 0 :(得分：0)
Canopy WAS用于在Kmeans中创建参数“K”的猜测。它对t1和t2的选择非常敏感，这对IMO来说是无用的。因此它被弃用了。
在Mahout中没有一个好的选择，但是你可以看看流媒体kmeans或尝试在kmeans的结果上使用clusterdump并找到适合你真实数据的最佳k，寻找最高的内聚力和最大的分离。