`
chakey
  • 浏览: 359002 次
  • 性别: Icon_minigender_1
  • 来自: 水星
社区版块
存档分类
最新评论

K-means聚类方法

阅读更多


K-means聚类方法


就是把空间内点,分成K类。同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。

用均值来代表类中心,并用于衡量与新点的距离。


初始值:

根据先验知识找到K个均值,做迭代初始值。


迭代公式:

1:从n个数据对象中选择k个对象作为初始聚类中心

2:将剩下的n-k个数据对象,按照他们和初始的k个值之间的距离大小,分配给与其最近的聚类。

3:计算形成的k个新聚类的聚类中心(该聚类中所有对象的均值)

4:重复2

5:类中心不再摆动,或者摆动幅度很小,趋于稳定,则终止。


测准函数一般使用均方差。


bin/mahout kmeans \

    -i <input vectors directory> \

    -c <input clusters directory> \

    -o <output working directory> \

    -k <optional number of initial clusters to sample from input vectors> \

    -dm <DistanceMeasure> \

    -x <maximum number of iterations> \

    -cd <optional convergence delta. Default is 0.5> \

    -ow <overwrite output directory if present>

    -cl <run input vector clustering after computing Canopies>

    -xm <execution method: sequential or mapreduce>


注意: 当-k被指定的时候,-c目录下的所有聚类都将被重写,将从输入的数据向量中随机抽取-k个点作为初始聚类的中心。

 

分享到:
评论
5 楼 大海lb 2012-04-28  
求教,-c目录如何指定,自己随便定的目录,会报错:No clusters found. Check your -c path.,搞了好几天都不知道怎么弄?
4 楼 此情此景 2011-03-07  
多谢指教,看了结果,只是每类的个数及中心、半径啥的,没有各类中包含的样本都是哪些,呵呵就是每个记录属于哪个类的情况,呵呵
3 楼 chakey 2011-03-06  
另外请参考:
./mahout seqdump –seqFile

./mahout clusterdump –seqFileDir
用法
他们都可以把SequeceFile转换成text格式。
2 楼 chakey 2011-03-06  
此情此景 写道
你好!kmeans结果是SequeceFile类型的文件,打不开,怎么看呢?

You may find Tika (http://lucene.apache.org/tika) helpful in converting binary documents to text.
1 楼 此情此景 2011-03-04  
你好!kmeans结果是SequeceFile类型的文件,打不开,怎么看呢?

相关推荐

Global site tag (gtag.js) - Google Analytics