什么是/ path / to / initial / clusters参数在Mahout 0.5 kmeans示例中意味着什么？

Question

我试图在Mahout 0.5中运行kmeans示例，但失败了！我在kmeans.props中发现它需要一个奇怪的参数-c，这意味着path_to_initial_clusters。

这是什么东西？我该怎么做呢？

kmeans.props：

 The following parameters must be specified
i|input = /path/to/input
c|clusters = /path/to/initial/clusters

Answer 1

因此mahout不需要以特定格式输入来执行其聚类算法。 所以看看吧  seq2sparse ::文本序列文件中的稀疏矢量生成  seqdirectory ::从目录

生成（文本）序列文件

作为路透社21587数据集的一个例子。

以下是步骤：

1.mahout seqdirectory -c UTF-8 -i examples / reuters-extracted / -o reuters-seqfiles

2.mahout seq2sparse -i reuters-seqfiles / -o reuters-vectors -ow

3.mahout kmeans -i reuters-vectors / tfidf-vectors / \ -c路透社 - 初始集群 -o reuters-kmeans-clusters \ -dm org.apache.mahout.common.distance.SquaredEuclideanDistanceMeasure \ -cd 1.0 -k 20 -x 20 -cl

希望有所帮助

Answer 2

K-means需要初始聚类才能迭代更新质心（它是聚类的中心），直到收敛为止。

-c，path_to_initial_clusters要求您为mahout提供一个目录来存储其初始集群。

您可以指定mahout存储初始集群的任何路径，mahout将计算初始集群并存储在目录中。或者，您可以通过冠层聚类或其他方法计算初始聚类，并告诉mahout您已计算的初始聚类的目录，以初始化K-means聚类。