如何设置Spark Kmeans初始中心

Question

我正在使用 Spark ML 来运行 Kmeans。我有一堆数据和三个现有的中心，例如这三个中心是：[1.0,1.0,1.0],[5.0,5.0,5.0],[9.0,9.0,9.0]. 那么我如何指示 Kmeans 中心是上面的三个向量。我看到 Kmean 对象有种子参数，但种子参数是 long 类型而不是数组。那么我如何告诉 Spark Kmeans 仅使用现有的中心进行聚类。

或者说，我不明白 Spark Kmeans 中种子的含义，我认为种子应该是一个向量数组，在运行聚类之前代表指定的中心。

Answer 1

事实上，这并不意味着您的想法，即它不用于“播种”（初始化）聚类中心，而只是用于设置随机种子 - 您可以在Scala和Pythonseed API的文档中确认这一点。

据我所知，目前（Spark 2.1）无法为 Spark ML 中的 k-means 提供初始聚类中心（请参阅Spark MLlib 的此答案）。initMode根据文档，参数：

可以是“随机”以选择随机点作为初始聚类中心，也可以是“k-means||” 使用 k-means++ 的并行变体'）