在内存中执行k-means聚类算法

最新推荐文章于 2022-10-13 14:43:10 发布

杨鑫newlfe

最新推荐文章于 2022-10-13 14:43:10 发布

阅读量1.8k

点赞数

分类专栏： Java 大数据挖掘与大数据应用案例

本文链接：https://blog.csdn.net/u012965373/article/details/50754381

版权

大数据挖掘与大数据应用案例同时被 2 个专栏收录

536 篇文章 1680 订阅 ¥9.90 ¥99.00

订阅专栏

Java

427 篇文章 33 订阅

订阅专栏

本文详细介绍了如何在内存中执行k-means聚类算法，从数据预处理到簇中心的迭代更新，探讨了优化内存使用和提高算法效率的策略，包括选择合适的初始化方法、距离计算优化等，适合对大数据分析和机器学习感兴趣的读者。

摘要由CSDN通过智能技术生成

<strong><span style="font-size:18px;">/***
 * @author YangXin
 * @info 利用点集测试K-Means聚类算法
 */
package unitNine;
import java.util.ArrayList;
import java.util.List;
import org.apache.mahout.clustering.Cluster;
import org.apache.mahout.clustering.UncommonDistributions;
import org.apache.mahout.common.distance.EuclideanDistanceMeasure;
import org.apache.mahout.math.DenseVector;
import org.apache.mahout.math.Vector;
public class KMeansExample {
	private static void generateSamples(List<Vector> vectors, int num, double mx, double my, double sd){
		for(int i = 0; i < num; i++){
			vectors.add(new DenseVector(new double[]{UncommonDistributions.rNorm(mx, sd),UncommonDistributions.rNorm(my, sd) }));
		}
	}
	
	public

了解本专栏