k-means使用spark Mlib进行聚类

Question

我想对数据集执行K表示聚类，如下所示

（OA，mobileNO，Text是csv的标题）

OA | mobileNO |文字
575756 | 918050173932 | sekhar添加了一张照片。见https://fb.com/l/
RM-444555 | 91879225717 | Dominos买1披萨＆amp;获得1免费
VM-OLAMNY | 919160281882 |在OLA驾驶室中添加了rs.10

如上所述我有一个庞大的数据集，我如何聚类数据并在其中找到隐藏的模式。 （例如：哪个OA正在发送与出租车相关的消息，OA正在发送fb通知等。）

我必须根据他们发送的文本来获取OA的集群

群集1：与cab相关的OA群集2：fb通知等

K-means聚类是否仅适用于数字数据？

Answer 1

k-means仅对连续数值变量可靠地运行。

有一个原因：在其他数据上， mean 没有意义，所以k-means集群没有意义。