【发布时间】：2012-11-12 03:50:24
【问题描述】：
我有一个包含 BINARY 用户/项目特征矩阵的大型数据集：
- 我需要对用户和项目进行聚类。无论如何在 Mahout 中同时执行它们吗？
- 更重要的是，如果我使用对数似然作为相似性度量，什么聚类 算法实际上会支持这样的距离度量来对数据进行聚类吗？
【问题讨论】：
标签： data-mining binary-data mahout
【发布时间】：2012-11-12 03:50:24
【问题描述】：
不，用户和项目的聚类是独立的过程。虽然在精神上它是完全相同的过程，只是应用了两种不同的方式。
如果您想在 Mahout 中获得更具体的答案，则必须详细说明您正在使用代码的哪些部分，因为有几个不同的部分涉及集群。
项目中有一些凝聚聚类部分，适用于任何相似性度量。我知道的其他实现肯定是“k-means”种类，假设一个连续的向量空间而不是超过 {0,1} 的向量。我认为你需要一种 k-medoids 算法，而这不在我所知道的项目中。
【讨论】：
-
谢谢 Sean，您能否更具体地了解 Mahout 中的凝聚集群部分。我正处于设计阶段，需要知道我是否有相似度矩阵，以及基于此度量对数据进行聚类的好的聚类算法。
-
我在想
TreeClusteringRecommender，这是我编写的旧的非分布式代码，并不是我特别推荐给任何人的东西。但由于它不是基于质心的，您只需要一个相似度度量。一般来说，您的问题的答案是“k-medoids”。