使用命令行创建集群的Mahout --问题

Question

我试图对以下坐标示例集进行聚类：

(1,1) , (2,1) , (1,2), (2,2), (3,3), (8,8), (8,9), (9,8), (9,9)

这些坐标应该形成两个集群：

(1,1) , (2,1) , (1,2), (2,2), (3,3)

和

(8,8), (8,9), (9,8), (9,9)

我就是这样做的：

步骤 1:将此数据作为选项卡分隔的数据存储在hadoop上的文件中：

1 1

2 1

1 2

2 2

3 3

8 8

8 9

9 8

9 9

步骤2:将该文件转换为序列文件如下：

$mahout seqdirectory --input my.data --output kdraft -c UTF-8

步骤3:创建稀疏数据文件如下：

$mahout seq2sparse -i kdraft -o kfinal -wt tf

步骤 4: Ran生成集群，如：

$mahout canopy -i kfinal/tf-vectors --clustering -o xz -t1 5 -t2 2 -ow

步骤4:转储输出

$mahout clusterdump --input xz/clusters-0-final --pointsDir xz/clusteredPoints/ --output /home/ashokharnal/data/c.txt

输出在c.txt中显示为：

C-0{n=1 c=4.000，2.000，4.000，4.000，4.000 r=[]}重量:道具-可选点: 1.0: 4.000，2.000，4.000，4.000，4.000

我想知道哪个坐标在哪个星系团中？我不会明白的。

Answer 1

聚类分配信息应该在xz/clusteredPoint中。

试一试: mahout -i xz/clusteredPoint/part-m-00000

它应该给出每一行都是将数据点分配给集群的输出。当我处理我的工作时，首先显示集群号，然后是表示可能性的值，数据点的文件标识符，最后是坐标信息。

对不起，我不能说得更具体，我无法让示例运行并复制您粘贴的输出。

本例中提到了clusteredPoints目录：https://cwiki.apache.org/confluence/display/MAHOUT/Quick+tour+of+text+analysis+using+the+Mahout+command+line

祝好运!

Answer 2

你的方法不对！这样做，你只得到一个向量！因此，您首先应该编写一个hadoop程序，它将每一行作为一个值和任何唯一的键。hadoop程序的输出格式必须是顺序输出格式。然后，使用Seq稀疏将结果(顺序文件)转换为mahout向量。最后，应用Kmeans或任何您的mahout聚类算法。