每个Mahout群集中的向量

Question

我是Apache Mahout的新手。我试图了解哪些命名向量属于哪个群集。互联网上的大量资源都是关于文本文档的，并使用命令clusterdump。但是，我的数据集非常庞大，运行该命令总是会导致Java Out of Memory异常。此外，我不认为使用clusterdump会回答我的问题。

我想知道是否有可能只使用目录clusteredPoints和clusters-[0-9]+以及clusters-*-final

来了解哪些命名向量属于哪些群集

如果它有帮助，到目前为止，我已经根据他们的歌曲收听习惯形成了用户群。为此，我最初使用NamedVectors创建了一个序列文件，其中NamedVector的名称是userId，Vector本身是一个双数组，包含用户收听的歌曲的标签权重（下面是一个例子）。

    AR2TSU61187FB5C4F0 0.5 0.2 0.7 0.0 0.0 0.1 0.0 0.0 ...
    ...
    ...
    ...

然后我成功地运行了k-means。我在目录clusteredPoints（大约88个文件，其名称为part-m-00088）和我认为包含质心的目录簇中有输出。

感谢您的帮助！

Answer 1

我认为你需要在clusterdump中做一些研究，试试mahout clusterdump --help 试试这个

mahout clusterdump -i clusters-*-final/part-r-00000 -o output -p clusteredPoints/part-m-00000

并尝试此link以获得进一步说明。

你也可以尝试添加-of选项-of， 你会看到这样的显示：

• id_cluster1，VEC1，vec2..vecl
• id_cluster2，VEC1，vec2..vecl
• ...