0
我正在处理需要使用集群的数据。KMeans(和BisectingKMeans)集群的错误/错误
我知道Spark框架不会让我有一个单一的群集;最小数量的聚类是两个。
我创建了一些虚拟随机数据来测试我的程序,并且我的程序显示错误的结果,因为我的KMeans函数正在生成一个集群!怎么来的?我不明白。是因为我的数据是随机的吗?我没有在我的kmeans上指定任何东西。这是处理K均值代码的一部分:
kmeans = new BisectingKMeans();
model = kmeans.fit(dataset); //trains the k-means with the dataset to create a model
clusterCenters = model.clusterCenters();
dataset.show(false);
for(Vector v : clusterCenters){
System.out.println(v);
}
输出如下:
+----+----+------+
|File|Size|Volume|
+----+----+------+
|F1 |13 |1689 |
|F2 |18 |1906 |
|F3 |16 |1829 |
|F4 |14 |1726 |
|F5 |10 |1524 |
|F6 |16 |1844 |
|F7 |15 |1752 |
|F8 |12 |1610 |
|F9 |10 |1510 |
|F10 |11 |1554 |
|F11 |12 |1632 |
|F12 |13 |1663 |
|F13 |18 |1901 |
|F14 |13 |1686 |
|F15 |18 |1910 |
|F16 |19 |1986 |
|F17 |11 |1585 |
|F18 |10 |1500 |
|F19 |13 |1665 |
|F20 |13 |1664 |
+----+----+------+
only showing top 20 rows
[-1.7541523789077474E-16,2.0655699373151038E-15] //only one cluster center!!! why??
为什么会出现这种情况?我需要解决什么来解决这个问题?只有一个群集遗址我的程序
啊好吧我明白了!所以随机数据会严重影响我的模型。对于正常的真实数据,这种行为不应该发生,对吗?至少我希望如此。无论如何,谢谢你向我解释。 –
有了理想的数据,它不会。但是,如果数据只有一个群集,经过严格预处理或非常嘈杂,那么您也可能会在真实数据上看到单个群集。你会惊讶你多久没有找到有意义的群集,像k-means这样的方法...... –