Spark-MLlib的快速使用之十一（K-means 聚类）

K-means是最常用的聚类算法之一，它将数据点聚类为预定义数量的聚类。该spark.mllib实现包括一个名为kmeans ||的k-means ++方法的并行变体 。实现中包含以下参数：spark.mllib

• k是所需簇的数量。
• maxIterations是要运行的最大迭代次数。
• initializationMode指定随机初始化或通过k-means ||初始化。
• runs是运行k-means算法的次数（k-means不保证找到全局最优解，并且当在给定数据集上多次运行时，算法返回最佳聚类结果）。
• initializationSteps确定k-means ||中的步数 算法。
• epsilon确定我们认为k-means已收敛的距离阈值。
• initialModel是一组用于初始化的可选集群中心。如果提供此参数，则仅执行一次运行。

 

（1）训练数据

鸢尾花卉 

5.1 3.5 1.4 0.2

4.9 3.0 1.4 0.2

4.7 3.2 1.3 0.2

4.6 3.1 1.5 0.2

5.0 3.6 1.4 0.2

5.4 3.9 1.7 0.4

4.6 3.4 1.4 0.3

5.0 3.4 1.5 0.2

4.4 2.9 1.4 0