使用 Mahout 对一个点进行聚类

Question

我知道 Mahout 用于批处理，但我很感兴趣是否可以使用它的 KMeans 以及如何对单个点进行聚类？

假设我们有以下情况

• 全局聚类，对所有数据执行批处理并给出质心作为结果
• 一个点聚类，它使用来自全局聚类的质心，将该点分配给一个聚类 - 它不需要重新计算聚类质心 - 只需将该点分配给现有聚类

我可以使用 Mahout 执行此操作，还是必须自己实现它？我认为将迭代次数设置为 1，并以这种方式分配点，但问题是，KMeans 重新计算集群质心，如果该新点是异常值，它会从中创建一个新集群。我不想要那个，我实际上想要到最近质心的距离。

目前看来，用KMeans来做这个不是很合适，但应该单独实现……对吗？

谢谢

Answer 1

您不需要为此使用 Mahout。

K-means 将点分配给最近的中心。

所以只需获取所有中心（应该很容易放入 RAM），然后计算每个中心的最小二乘差。

这只是几个 CPU 周期，尝试在 Mahout 上执行此操作绝对没有任何好处 - 开销对于一些 k 距离计算来说太大了。