数据准备
一般的初始数据如下所示,每行代表一组特征值。
28 88 38
88 88 88
8 88 89
8 78 80
数据预处理
mahout org.apache.mahout.clustering.conversion.InputDriver -i /user/hdfs/cluster_all/test4/text -o /user/hdfs/cluster_all/test4/text-vector
可以在上述命令后添加参数“-v option ”转为需要的向量格式。比如org.apache.mahout.math.RandomAccessSparseVector”表示转为RandomAccessSparseVector。
使用seqdumper查看转换后的数据,
mahout seqdumper -i /user/hdfs/cluster_all/test4/text-vector/part-m-00000 -o ./text-vector
结果为:
Key: 3: Value: {0:28.0,1:38.0,2:88.0}
Key: 3: Value: {0:88.0,1:88.0,2:88.0}
Key: 3: Value: {0:8.0,1:88.0,2:89.0}
Key: 3: Value: {0:8.0,1:78.0,2:80.0}
Count: 4
特别注意;上述的Key值并不是指