K-means聚类方法

K-means聚类方法

就是把空间内点，分成K类。同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。

用均值来代表类中心，并用于衡量与新点的距离。

初始值：

根据先验知识找到K个均值，做迭代初始值。

迭代公式：

1：从n个数据对象中选择k个对象作为初始聚类中心

2：将剩下的n-k个数据对象，按照他们和初始的k个值之间的距离大小，分配给与其最近的聚类。

3：计算形成的k个新聚类的聚类中心（该聚类中所有对象的均值）

4：重复2

5：类中心不再摆动，或者摆动幅度很小，趋于稳定，则终止。

测准函数一般使用均方差。

bin/mahout kmeans \

    -i <input vectors directory> \

    -c <input clusters directory> \

    -o <output working directory> \

    -k <optional number of initial clusters to sample from input vectors> \

    -dm <DistanceMeasure> \

    -x <maximum number of iterations> \

    -cd <optional convergence delta. Default is 0.5> \

    -ow <overwrite output directory if present>

    -cl <run input vector clustering after computing Canopies>

    -xm <execution method: sequential or mapreduce>

注意： 当-k被指定的时候，-c目录下的所有聚类都将被重写，将从输入的数据向量中随机抽取-k个点作为初始聚类的中心。