mahoutkmeans源碼

❶ mahout的kmeans演算法要怎麼輸入向量

可以把id那一列去掉，官網的例子應該是60維數據

❷ k means演算法如何具體實現呢

1.基本Kmeans演算法[1]

[cpp] view plain
選擇K個點作為初始質心
repeat
將每個點指派到最近的質心，形成K個簇
重新計算每個簇的質心
until 簇不發生變化或達到最大迭代次數

時間復雜度：O(tKmn)，其中，t為迭代次數，K為簇的數目，m為記錄數，n為維數

空間復雜度：O((m+K)n)，其中，K為簇的數目，m為記錄數，n為維數

❸ 我想用eclipse、mahout處理hadoop上的數據，mahout演算法用k-means演算法。現在就只是這個概念，

你最好先搞清楚，hadoop安裝一下先，然後和eclipse連接
然後下載mahout的源代碼，用eclipse打開，編譯
將你的數據放到HDFS上，就可以了

PS. hadoop只能處理HDFS上的數據，就算你想處理本地的，實質上也是上傳到了HDFS上

❹ 求MATLAB實現canopy-kmeans聚類演算法的完整代碼

canopy聚類演算法的MATLAB程序

❺ 怎麼用mahout實現模糊k-means演算法，最好帶注釋

Hive Hadoop中類似於數據倉庫的應用，所有要用到的表可以存在Hive中，並且HQL語言類sql語言直接見表查詢。
Hdfs是Hadoop中文件存儲的格式。
Hbase Hadoop中一種表存儲的方式，是以列式存儲的方式存儲一些大數據量的表。
Pig Hadoop的ETL平台工具，提供了簡便的語言也是。
Sqoop 就是一個搬數的工具，從關系型資料庫到Hdfs中，或者反過來。 也可以用Java介面直接實現搬數的過程。
ODI（12版本）加入Hive架構，使得搬數更簡單了。 Sqoop速度好慢，增量也比較麻煩。
Maorece就是Hadoop核心演算法，一個Map 一個Rece函數。
Mahout 是Hadoop的一個數據挖掘應用，利用許多封裝好的演算法進行數據分析例如K-Means演算法。

❻ 如何在Hadoop平台上實現K-means演算法

一、介紹Mahout
Mahout是Apache下的開源機器學習軟體包，目前實現的機器學習演算法主要包含有協同過濾/推薦引擎，聚類和分類三 個部分。Mahout從設計開始就旨在建立可擴展的機器學習軟體包，用於處理大數據機器學習的問題，當你正在研究的數據量大到不能在一台機器上運行時，就 可以選擇使用Mahout，讓你的數據在Hadoop集群的進行分析。Mahout某些部分的實現直接創建在Hadoop之上，這就使得其具有進行大數據 處理的能力，也是Mahout最大的優勢所在。相比較於Weka，RapidMiner等 圖形化的機器學習軟體，Mahout只提供機器學習的程序包（library），不提供用戶圖形界面，並且Mahout並不包含所有的機器學習演算法實現， 這一點可以算得上是她的一個劣勢，但前面提到過Mahout並不是「又一個機器學習軟體」，而是要成為一個「可擴展的用於處理大數據的機器學習軟體」，但 是我相信會有越來越多的機器學習演算法會在Mahout上面實現。[1]

二、介紹K-Means
這是Apache官網上的演算法描述，簡單來說就是基於劃分的聚類演算法，把n個對象分為k個簇，以使簇內具有較高的相似度。相似度的計算根據一個簇中對象的平均值來進行。[2]
三、在Hadoop上實現運行
1，實驗環境
①hadoop集群環境：1.2.1 一個Master，兩個Slaves，在開始運行kmeans時啟動hadoop
②操作系統：所有機器的系統均為ubuntu12.04
③Mahout版本：採用的是0.5版
2，數據准備
數據採用的是 這是網上提供的一個比較不錯是數據源。然後用指令 hadoop fs -put /home/hadoop/Desktop/data testdata，將在我桌面的文件data上傳到HDFS的testdata目錄下，這里為什麼是testdata，我也正在思考，因為我本來是上傳到 input里，但是運行時提示could not find ….user/testdata之類的，所以現改為了testdata。
3，運行
①配置Mahout環境：在Apache官網下載Mahout的版本，我選擇的是0.5。然後解壓到你指定的目錄，將此目錄路徑寫入/etc/profile，添加如下語句：
export MAHOUT_HOME=/home/hadoop/hadoop-1.2.1/mahout-distribution-0.5
export HADOOP_CONF_DIR=/home/hadoop/hadoop-1.2.1/conf
export PATH=$PATH:/home/hadoop/hadoop-1.2.1/bin:$MAHOUT_HOME/bin
然後執行 source /etc/profile。在mahout目錄下執行bin/mahout命令，檢測系統是否安裝成功。如圖：

註：此處修改環境變數有些網上提示是/etc/bash.bashrc，我也試著修改過，但是發現在我這里使環境變數生效的是profile。
②運行Mahout里自帶的K-Means演算法，bin/mahout org.apache.mahout.clustering.syntheticcontrol.kmeans.Job，這里啟動後遇到了一點問題，提示 Could not find math.vector。
4，結果
在我的環境下運行5分鍾左右，最後生成一個文件，如圖

四、總結
Mahout是一個很強大的數據挖掘工具，需要進行更深層的了解。

❼ 如何用maprece分布式實現kmeans演算法

可以自己嘗試寫一個分布式的kmeans，也可以部署spark，使用spark-mllib裡面的kmeans如果對python比較熟悉，可以使用pyspark的mllib如果只是hadoop，找找mahout演算法包

❽ matlab自帶的kmeans代碼可在哪看，它初始點選擇使用參數sample，這個具體是怎麼選擇的，我怎麼能找出來啊

以MATLAB R2012b為例：

一、點擊下圖中紅圈指示「Find Files」。

三、對於其他版本的MATLAB，查找kmeans函數的源代碼則大同小異了，而kmeans函數的使用方法，可在MATLAB的help中找到。至於如何選擇初始點，好像有隨機選擇k個點法、選擇批次距離盡可能遠的k個點等等方法，具體還要查閱相關資料。

❾ 怎麼對mahout的k-means演算法改進

你最好先搞清楚，hadoop安裝一下先，然後和eclipse連接 然後下載mahout的源代碼，用eclipse打開，編譯 將你的數據放到HDFS上，就可以了 PS. hadoop只能處理HDFS上的數據，就算你想處理本地的，實質上也是上傳到了HDFS上