我使用Spark ML来运行Kmeans。我有大量数据和三个现有中心，例如三个中心是：[1.0,1.0,1.0],[5.0,5.0,5.0],[9.0,9.0,9.0].
那么我怎么能指出Kmeans中心是上面三个向量。
我看到Kmean对象有种子参数，但种子参数是long类型而不是数组。那么我怎么能告诉Spark Kmeans只使用现有的集群中心。
或者说，我不明白种子在Spark Kmeans中意味着什么，我想种子应该是一个向量数组，它代表了运行聚类之前的指定中心。
答案 0 :(得分：2)
实际上，seed并不意味着您的想法，即它不用于“播种”（初始化）群集中心，而只是用于设置随机种子 - 您可以在文档中确认Scala和Python API。
据我所知，目前（Spark 2.1）无法为Spark ML中的k-means提供初始集群中心（请参阅this answer以获取Spark MLlib）。 initMode参数，根据文档：
可以“随机”选择随机点作为初始聚类中心，或“k-means ||”使用k-means ++'）的并行变体