mahout 源码解析之聚类--聚类分类模型

聚类分类模型代码主要在包org.apache.mahout.clustering.classify里面，其主要利用一系列的聚类簇和聚类策略对样本进行分类。我们先来看看类ClusterClassifier。

一、ClusterClassifier

ClusterClassifier有四个属性，分别是聚类策略序列化存放文件路径、一系列的聚类簇、聚类簇类别和聚类策略。

	private static final String POLICY_FILE_NAME = "_policy";//聚类策略序列化存放路径

	private List<Cluster> models;//一系列的聚类簇模型

	private String modelClass;//模型类别

	private ClusteringPolicy policy;//聚类策略

聚类模型参见mahout0.7源码解析之聚类--聚类模型，聚类策略参见mahout0.7源码解析之聚类--聚类模型。

此类继承AbstractVectorClassifier，并实现了接口OnlineLearner和Writable。在这个类里面我们重点需要关注的函数有classify、classifyScalar和train。

classify主要是利用ClusterClassifier里面的聚类模型给样本进行分类，返回的结果为每个聚类模型对此样本的分类结果。

classifyScalar主要用于二元分类，返回结果为样本属于第一个类别的概率。

train函数有很多不同参数形式，实质就是用指定的聚类模型对样本进行分类，有时还需要带上此样本的权重。

此类还提供了对聚类策略的序列化和反序列化函数，readPolicy和writePolicy。

二、ClusterClassificationDriver

ClusterClassificationDriver利用了ClusterClassifier对样本进行分类，即将样本分到不同的簇中。其也提供了单机版本和Map-Reduce版本的算法。我们还是从run函数开始。