MLlib-聚类

• 聚类
  • 例子
• 流聚类
  • 例子

聚类

MLlib支持k-means聚类，一种最常用的聚类方法，将数据点聚成指定数据的簇。MLlib实现了一种k-means++的并行变种，叫做kmeansII。MLlib的实现包括以下参数：

• k  设定的聚类数目
• maxIterations   最大循环册数
• initializationMode  随机初始化或使用k-meansII初始化
• runs  k-means算法运行册数（k-means不能保证找到全局最优，如果在给定的数据集上运行多次，返回最好的结果）
• initializationSteps  k-meansII算法的步骤数
• epsilon  k-means的收敛阈值

流聚类

当数据作为流到达时，簇应该被动态估计。MLlib提供了支持流的k-means聚类，使用参数控制估计延迟（或忽略）。算法使用小批量k-means更新规则，针对每一批数据，将他们分配给离他们最近的簇，计算新的簇中心， 然后用

\( c_{t+1}=\frac{c_t n_t \alpha + x_t m_t}{n_t \alpha + m_t} \)

\( n_{t+1} = n_t + m_t \)

更新每个簇。