spark利用MLlib实现kmeans算法实例

spark版本 1.3.1

scala系统环境2.10.4  程序编译版本2.11.8

需要注意的是,训练数据和待测试数据都要是浮点型的,如果是int型的数据的话会报错


package Kmeans
import org.apache.spark.mllib.clustering.KMeans
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.{SparkContext,SparkConf}
object KmeansTest {
  var ClusterIndex=0
  def main(args:Array[String]): Unit ={
    if(args.length<1){
      System.err.println("Usage:<dir:trainning data> <dir:test data>")
      System.exit(1)
    }

    val conf=new SparkConf()
    val sc=new SparkContext(conf)
    val data=sc.textFile(args(0))
    // the problem solved ,the data must be double type,not Int type
    val parseddata=data.map(s=>{Vectors.dense(s.split("\t").map(_.trim).filter(!"".equals(_)).map(_.toDouble))}).cache()
    val numIterators=20
    val numCluster=2
    //trainning data
    val rdd = sc.makeRDD(Array(Array(1.0,10.1,2.5),Array(2.0,5.2,3.8),Array(2.1,4.0,4.4),Array(0.6,2.0,3.1)))
    val data1 = rdd.map(f=>Vectors.dense(f))

    val clusters=KMeans.train(data1,numCluster,numIterators)

    clusters.clusterCenters.foreach(x=>{println("Center index of cluster is :"+ClusterIndex+":")
    println(x)
    ClusterIndex+=1
    })

   // System.exit(1)
    parseddata.collect().foreach(dataline=>{
      val clusterIndex=clusters.predict(dataline)
      println("The data"+dataline+"belongs to cluster"+clusterIndex)
    })
    println("Kmeans cluster finished")

    sc.stop()
  }

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值