如何设置火花源初始中心

Question

我用Spark来运行Kmeans。我有大量的数据和三个现有的中心，例如，三个中心是：[1.0,1.0,1.0],[5.0,5.0,5.0],[9.0,9.0,9.0].，所以我怎样才能表明Kmeans中心是上面的三个向量。我看到Kmean对象有种子参数，但是种子参数是一个长类型而不是数组。那么，我如何告诉Spark只使用现有的中心进行聚类。

或者说，我不明白种子在星火中意味着什么，我认为种子应该是一个向量数组，它在运行聚类之前代表指定的中心。

Answer 1

实际上，seed并不是您所想的那样，即它不是用于“种子”(初始化)集群中心，而是简单地设置随机种子--您可以在Scala和Python API的文档中确认这一点。

据我所知，目前(Spark2.1)无法为Spark中的k-means提供初始集群中心(参见这个答案中的Spark )。根据文档，initMode参数：

可以是“随机”来选择随机点作为初始聚类中心，也可以是“k-意思是++”的一个并行变体)。