西天取经~

好久没有写博客了，虽然并没有多少人看。kmeans的思想大家自己去查找，我就不一一叙述了。kmeans之所以不能达到全局最优，是因为他的cost函数是一个非凸的函数，找不到最低点那个位置。kmeans的初始位置很重要，本片博客采取的就是最基本的随机生成初始中心点（我很好奇，有些人的代码就是随机生成n和点，都不带判重的），比较 好的生成算法是kmeans++，保证初始点间的距离最远。这是我初学sca

相比于本人上篇博客中scala实现的串行kmeans而已，这次的优点体现在并行的计算，并同时运行多组kmeans算法（选取不同的初值），选择其中效果最好的作为结果输出作为一个初学者，这次的编程让我初步的体会到了函数式编程的魅力，让我见识到了并行计算，学习的道路还有很长啊package zzlimport org.apache.spark.mllib.linalg.Vectorim

本人编写的一维em算法初学em算法时被各种公式吓到，学的过程也不是很顺利（本人数学渣渣），好不容易弄懂了大概，现在来编写个程序来检验下import scala.mathobject Main { val data=Array(1.0,1.3,2.2,2.6,2.8,5.0,7.3,7.4,7.5,7.7,7.9)//点的数据，这里数据只要一维，当然可以为n维 var means=