【发布时间】：2014-11-13 09:05:00
【问题描述】：
问题就在标题中——如果 Canopy 可以用于聚类以及确定质心，为什么不将它用于聚类，而不仅仅是使用它来生成质心作为 KMeans 聚类的输入？
我正在考虑使用 Mahout 实现，但我认为这更多是一个概念，与系统没有太大关系。
谢谢
【问题讨论】：
【发布时间】：2014-11-13 09:05:00
【问题描述】：
Mahout 已弃用 Canopy，因此我根本不会使用它。
它很快，因此我们的想法是对起始质心进行比随机估计更好的快速估计，以便 kmeans 更快地收敛。
Canopy 没有收敛标准，因此您只能先猜测。 Kmeans 遵循一种称为梯度下降的算法进行迭代，以找到定义的误差函数的局部最小值。所以它会收敛到更好的猜测，但通常你从一个随机质心开始，希望它被放置得很好。 Canopy 试图更好地放置起始质心，但它并没有比随机更好。
因此，您可以通过遍历所有向量并找到它们最接近哪个树冠质心来计算 Canopy 的猜测并计算集群，但集群不会受益于迭代，并且在交叉验证测试中得分会更差。
【讨论】：