如何从 Spark 2.0.2 (Scala) 中的 Bisecting K-Means 中获取集群 ID/数字（不仅仅是集群中心）答案

【问题标题】：How to get cluster IDs/Numbers (not just cluster centers) from Bisecting K-Means in Spark 2.0.2 (Scala)如何从 Spark 2.0.2 (Scala) 中的 Bisecting K-Means 中获取集群 ID/数字（不仅仅是集群中心）
【发布时间】：2017-05-07 13:28:05
【问题描述】：

我正在研究 Spark MLlib (Scala) 的二分 K-Means 算法。我使用的 Spark 版本是 2.0.2。

查看 Spark 示例代码 (examples/src/main/scala/org/apache/spark/examples/ml/BisectingKMeansExample.scala) 和平分 K-Means 的方法，我很难理解应该如何从 BisectingKMeansModel 类中检索分配的集群 ID/编号（不是集群中心）。

在 Spark/Scala 的 K-Means 实现中，可以使用 KMeansModel.summary.predictions 检索集群。

我想知道是否有一种有效的方法可以从二分 K-Means 模型中检索集群（不是示例中描述的集群中心）

【问题讨论】：

标签： scala apache-spark apache-spark-mllib

【解决方案1】：

我已经找到了这个问题的答案。应该是KMeansModel.transform(dataset)。这会将集群索引添加为数据集的一部分

【讨论】：

【解决方案2】：

model.predict(vectordata)

这对我有用。如果您不想丢失密钥或其他数据，可以这样称呼它。

val NewData = data.map(t =>
(t._1,
model.predict(t._2)
)

【讨论】：