K表示使用Mahout进行聚类

Question

我正在使用给定here的聚类技术来聚类大型数据集，这在Mahout示例中给出。但是，当我想象特定的聚类时，我得到下图。

我真的很难理解这实际意味着什么并且有几个问题。

1. 所有彩色线条表示什么？
2. 这么多集群是什么意思？
3. 为什么几个地区人满为患，为什么其他地区不拥挤？
4. 为什么很少有彩色线条相互重叠？

Answer 1

k-means不是最先进的聚类技术。圆圈作为一种可视化技术具有误导性，它实际上将数据空间划分为Voronoi单元格（在维基百科上查找）。它也喜欢类似大小的集群。

1. 我假设不同的颜色表示k-means的不同迭代。它需要多次运行来优化其结果（通常只达到局部最小值，不同的运行将导致不同的结果）。所以结果还不是很稳定，我想。它们只是缓慢移动，这就是它们不重叠的原因。

2. 簇数是k-means的参数。它通常表示为k。 k-means无法确定簇的数量，但如果使用多个k值运行，则可以测试哪个结果最适合数据集。

3. k-means不看密度。你需要一个基于密度的聚类算法。 k-means更喜欢类似大小的集群。你的“k”可能太高了。

4. 由于它们是迭代更新的，因此不同的迭代不应该重叠太多。