《mahout in action》第六章。
datafile/cluster/simple_k-means.txt数据集例如以下：
1 1
2 1
1 2
2 2
3 3
8 8
8 9
9 8
9 9
- k-means聚类算法原理
1、从D中随机取k个元素。作为k个簇的各自的中心。
2、分别计算剩下的元素到k个簇中心的相异度，将这些元素分别划归到相异度最低的簇。
3、依据聚类结果。又一次计算k个簇各自的中心，计算方法是取簇中全部元素各自维度的算术平均数。
4、将D中所有元素依照新的中心又一次聚类。
5、反复第4步，直到聚类结果不再变化。
6、将结果输出。
- 举例说明
2.1 从D中随机取k个元素，作为k个簇的各自的中心。
private final static Integer K=2; //选K=2，也就是估算有两个簇。
以下选1 1，2，1两个点。
C0:1 1
C1:2 1
2.2 分别计算剩下的元素到k个簇中心的相异度，将这些元素分别划归到相异度最低的簇。
结果为：
C0 : 1 1
C0:的点为：1.0,2.0
C1: 2 1
C1:的点为：2.0,2.0
C1:的点为：3.0,3.0
C1:的点为：8.0,8.0
C1:的点为：8.0,9.0
C1:的点为：9.0,8.0
C1:的点为：9.0,9.0
2.3 依据2.2的聚类结果。又一次计算k个簇各自的中心，计算方法是取簇中全部元素各自维度的算术平均数。
採取欧区距离公式。
C0 新的簇心为：1.0,1.5
C1 新的簇心为：5.857142857142857,5.714285714285714
2.4 将D中所有元素依照新的中心又一次聚类。
第2次迭代
C0:的点为：1.0,1.0
C0:的点为：2.0,1.0
C0:的点为：1.0,2.0
C0:的点为：2.0,2.0
C0:的点为：3.0,3.0
C1:的点为：8.0,8.0
C1:的点为：8.0,9.0
C1:的点为：9.0,8.0
C1:的点为：9.0,9.0
2.5 反复第4步，直到聚类结果不再变化。
[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:6316401e-5cfc-438d-86eb-cac85f191596
[En]
[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:6b17d737-1587-4f6c-a892-9a5eff7e0029
private final static Double converge=0.001;
C0的簇心为：1.777777777777778,1.7916666666666667
C1的簇心为：8.394285714285715,8.388571428571428
各个簇心移动中最小的距离为。move=0.11866671868496578
第4次迭代
C0:的点为：1.0,1.0
C0:的点为：2.0,1.0
C0:的点为：1.0,2.0
C0:的点为：2.0,2.0
C0:的点为：3.0,3.0
C1:的点为：8.0,8.0
C1:的点为：8.0,9.0
C1:的点为：9.0,8.0
C1:的点为：9.0,9.0
C0的簇心为：1.799382716049383,1.7997685185185184
C1的簇心为：8.495771428571429,8.495542857142857
各个簇心移动中最小的距离为。move=0.003296297741248916
第6次迭代
C0:的点为：1.0,1.0
C0:的点为：2.0,1.0
C0:的点为：1.0,2.0
C0:的点为：2.0,2.0
C0:的点为：3.0,3.0
C1:的点为：8.0,8.0
C1:的点为：8.0,9.0
C1:的点为：9.0,8.0
C1:的点为：9.0,9.0
C0的簇心为：1.0,1.5
C1的簇心为：5.857142857142857,5.714285714285714
第2次迭代
C0:的点为：1.0,1.0
C0:的点为：2.0,1.0
C0:的点为：1.0,2.0
C0:的点为：2.0,2.0
C0:的点为：3.0,3.0
C1:的点为：8.0,8.0
C1:的点为：8.0,9.0
C1:的点为：9.0,8.0
C1:的点为：9.0,9.0
C0的簇心为：1.777777777777778,1.7916666666666667
C1的簇心为：8.394285714285715,8.388571428571428
各个簇心移动中最小的距离为。move=0.11866671868496578
第4次迭代
C0:的点为：1.0,1.0
C0:的点为：2.0,1.0
C0:的点为：1.0,2.0
C0:的点为：2.0,2.0
C0:的点为：3.0,3.0
C1:的点为：8.0,8.0
C1:的点为：8.0,9.0
C1:的点为：9.0,8.0
C1:的点为：9.0,9.0
C0的簇心为：1.799382716049383,1.7997685185185184
C1的簇心为：8.495771428571429,8.495542857142857
各个簇心移动中最小的距离为。move=0.003296297741248916
第6次迭代
C0:的点为：1.0,1.0
C0:的点为：2.0,1.0
C0:的点为：1.0,2.0
C0:的点为：2.0,2.0
C0:的点为：3.0,3.0
C1:的点为：8.0,8.0
C1:的点为：8.0,9.0
C1:的点为：9.0,8.0
C1:的点为：9.0,9.0
Original: https://blog.csdn.net/weixin_33795883/article/details/114155178
Author: 无月劫
Title: kmeans实际应用例子 java_k-means聚类JAVA实例
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/561559/
转载文章受原作者版权保护。转载请注明原作者出处！