Mahout - 聚类的向量答案

【问题标题】：Mahout - vectors to clusterMahout - 聚类的向量
【发布时间】：2013-01-10 19:23:15
【问题描述】：

我使用以下方法运行 K-Means：

KMeansDriver.run(new Path("./bd.seq.file"), new Path(clustersLoc), new Path("output"),
            new EuclideanDistanceMeasure(), 0.001, 10, true, 0.5, false);

我的目标是知道我的每个原始向量属于哪个集群。据我了解，这应该在 output/clusteredPoints/part-m-00000 中，但是这个文件看起来像一个空的（120 字节）序列文件。

什么给了？

【问题讨论】：

我刚刚发现的另一个线索。这只发生在 Mahout 0.7 上。所以，这要么是一个错误，要么是一个未记录的行为变化。在 Mahout 0.5 中，我在路径 output/clusteredPoints /part-m-00000 下获得了一个文件，其中包含向量到集群的映射 ...

标签： cluster-analysis mahout k-means

【解决方案1】：

好的，我终于明白了（至少部分明白了）。它与KMeansDriver.run() 8th 参数有关。如果它的值为“0”，则其行为与 Mahout 0.5 中的相同。参数的名称是“clusterClassificationThreshold”，它的 javadoc 声明：

是一个聚类严格性/异常值去除参数。它的价值应该在 0 和 1 之间。具有低于此值的 pdf 的向量将不会被聚类。

对于像我这样的 Mahout 初学者，pdf 是“概率密度函数”的首字母缩写。我不确定我真的知道这个参数是什么（谷歌搜索在这里没有帮助，javadocs 就是你要得到的全部），但我想这是因为它是过滤 Mahout 开发人员选择的原始向量的机制的一部分如果不是'0'，则禁用聚类点。

【讨论】：