使用 Spark MLlib KMeans 从数据中预测集群答案

【问题标题】：Predict clusters from data using Spark MLlib KMeans使用 Spark MLlib KMeans 从数据中预测集群
【发布时间】：2016-07-08 19:15:21
【问题描述】：

我已经根据我的数据特征生成了我的集群中心，如您在

中找到的“Kmeans.data.txt”

https://github.com/apache/spark/blob/master/data/mllib/kmeans_data.txt

这是使用 Spark MLib 中的 KMeans 执行的。

clusters.clusterCenters.foreach(println)

知道如何预测从这些数据派生的集群吗？

【问题讨论】：

标签： apache-spark k-means apache-spark-mllib

【解决方案1】：

摘自从Scala Spark检索到的KMean MLlib聚类代码sn-p

import org.apache.spark.mllib.clustering.KMeans
import org.apache.spark.mllib.linalg.Vectors

// Load and parse the data
val data = sc.textFile("data/mllib/kmeans_data.txt")
val parsedData = data.map(s => Vectors.dense(s.split(' ').map(_.toDouble)))

// Cluster the data into two classes using KMeans
val numClusters = 2
val numIterations = 20
val clusters = KMeans.train(parsedData, numClusters, numIterations)

// here is what I added to predict data points that are within the clusters
clusters.predict(parsedData).foreach(println)

【讨论】：

【解决方案2】：

很简单，如果你阅读KmeansModel's documentation，你会注意到它有两个构造函数，其中之一：

新的 KMeansModel(clusterCenters: Array[Vector])

因此，您可以实例化一个具有KMeans' 质心的对象。我在下面展示一个例子。

import org.apache.spark.mllib.clustering.KMeansModel
import org.apache.spark.mllib.linalg.Vectors

val rdd = sc.parallelize(List(
  Vectors.dense(Array(-0.1, 0.0, 0.0)), 
  Vectors.dense(Array(9.0, 9.0, 9.0)), 
  Vectors.dense(Array(3.0, 2.0, 1.0))))

val centroids = Array(
  Vectors.dense(Array(0.0, 0.0, 0.0)), 
  Vectors.dense(Array(0.1, 0.1, 0.1)),
  Vectors.dense(Array(0.2, 0.2, 0.2)),
  Vectors.dense(Array(9.0, 9.0, 9.0)),
  Vectors.dense(Array(9.1, 9.1, 9.1)),
  Vectors.dense(Array(9.2, 9.2, 9.2)))

val model = new KMeansModel(clusterCenters=centroids)

model.predict(rdd).take(10)

// res13: Array[Int] = Array(0, 3, 2)

【讨论】：

谢谢。在您给出的示例中，我不清楚您定义的质心，因为 KMean 模型有助于首先从数据点确定聚类中心，然后我询问了如何在对解析的数据执行预测时获取聚类。
您的假设不正确，KMeans 是实际训练模型并返回 KMeansModel 对象的类，因此如果您已经拥有质心，则可以使用其构造函数之一实例化模型.
@user844518 我的意思是你想找到ks的数量吗？我很困惑。