如何设置 Spark Kmeans 初始中心 [英] how to set Spark Kmeans initial centers

问题描述

我使用 Spark ML 来运行 Kmeans.我有一堆数据和三个现有的中心，例如三个中心是:[1.0,1.0,1.0],[5.0,5.0,5.0],[9.0,9.0,9.0].那么我如何表示 Kmeans 中心是上述三个向量.我看到 Kmean 对象有种子参数，但种子参数是一个长类型而不是数组.那么我如何告诉 Spark Kmeans 只使用现有的中心进行聚类.

I'm using Spark ML for run Kmeans. I have bunch of data and three existing centers, for example the three centers are:[1.0,1.0,1.0],[5.0,5.0,5.0],[9.0,9.0,9.0]. So how can I indicate the Kmeans centers are the above three vectors. I saw Kmean object has seed parameter, but the seed parameter is an long type not an array. So how can I tell Spark Kmeans to only use the existing centers for clustering.

或者说，我不明白 Spark Kmeans 中的种子是什么意思，我想种子应该是一个向量数组，在运行聚类之前代表指定的中心.

Or say, I didn't understand what does seed mean in Spark Kmeans, I suppose the seeds should be an array of vectors which represents the specified centers before running clustering.

推荐答案

确实，seed 并不代表您的想法，即它不用于播种"(初始化)集群中心，但只是为了设置随机种子 - 您可以在 Scala 和 Python API.

Indeed, seed does not mean what you think, i.e. it is not used for 'seeding' (initializing) the cluster centers, but simply for setting the random seed - you can confirm this in the documentation for the Scala and Python APIs.

据我所知，目前(Spark 2.1)无法为 Spark ML 中的 k-means 提供初始聚类中心(参见 这个答案 用于 Spark MLlib).initMode 参数，根据文档:

To the best of my knowledge, there is currently (Spark 2.1) no way for supplying initial cluster centers for k-means in Spark ML (see this answer for Spark MLlib). The initMode parameter, according to the documentation:

可以是random"选择随机点作为初始聚类中心，也可以是k-means||"使用 k-means++ 的并行变体')

can be either "random" to choose random points as initial cluster centers, or "k-means||" to use a parallel variant of k-means++')

这篇关于如何设置 Spark Kmeans 初始中心的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！