如何在Mahout K-means聚类中维护数据输入ID

Question

我正在使用mahout来运行k-means聚类,我在集群时遇到了识别数据条目的问题,例如我有100个数据条目

id      data
0       0.1 0.2 0.3 0.4
1       0.2 0.3 0.4 0.5
...     ...
100     0.2 0.4 0.4 0.5

在集群之后,我需要从集群结果中获取id以查看哪个点属于哪个集群,但似乎没有方法来维护id.

在聚合合成控制数据的官方mahout示例中,只有数据被输入到没有id的mahout

28.7812 34.4632 31.3381 31.2834 28.9207 ...
...
24.8923 25.741  27.5532 32.8217 27.8789 ...

并且集群结果只有cluster-id和point值:

VL-539{n=38 c=[29.950, 30.459, ...
   Weight:  Point:
   1.0: [28.974, 29.026, 31.404, 27.894, 35.985...
   2.0: [24.214, 33.150, 31.521, 31.986, 29.064

但是没有point-id存在,那么,任何人都可以知道如何在进行mahout聚类时添加维持一个point-id？非常感谢你!

Answer 1

您的请求经常被那些本身不是从业者的程序员所忽视......不幸的是。我不知道如何做到 Mahout（到目前为止），但我从 Apache-commons-math 开始，它包括具有相同缺陷的 K-means。我对其进行了调整，以满足您的要求。您可以在这里找到它： http: //code.google.com/p/noolabsimplecluster/ 此外，不要忘记将数据标准化（线性）到区间 [0..1]，否则任何聚类算法都会产生垃圾！