maven - 如何使用 Mahout 成功运行 kmeans 集群(尤其是获得人类可读的输出)

Question

我尝试按照许多在线教程来运行 Mahout 中的 kmeans 示例。
但尚未成功获得有意义的输出。我面临的主要问题是，
从文本文件到序列文件的转换并返回。

当我按照“Mahout Wiki”的“合成控制数据聚类”的步骤进行操作时
(https://cwiki.apache.org/MAHOUT/clustering-of-synthetic-control-data.html)我可以运行集群过程(使用 $MAHOUT_HOME/bin/mahout org.apache.mahout.clustering.syntheticcontrol.kmeans .Job) 并创建了一些可读的控制台输出。但我希望从聚类过程中获取输出文件(因为大小很大)。
Mahout 聚类生成的输出文件都是序列文件，我无法将它们转换为可读文件。
当我尝试执行“clusterdump”($MAHOUT_HOME/bin/mahout clusterdump --seqFileDir output/clusters-10...)时出现错误。
首先它提示“seqFileDir”选项出乎意料，我猜集群转储没有“seqFileDir”或者我遗漏了一些东西。

尝试以“mahout in action”的方式使用 Mahout 似乎很棘手。我不确定编译该代码所需的类(“import ??”)是什么。

您能否建议我在 Mahout 上成功运行 kmeans 的步骤？特别是如何从序列文件中获得可读的输出？

Answer 1

关于第二个问题-您可以获得本书的源代码from the repository . master中的代码分支适用于 Mahout 0.5，而分支中的代码 mahout-0.6 & mahout-0.7是对应 Mahout 的版本。

源代码也发布到book's site ，所以你在那里下载它(但这只是 Mahout 0.5 的版本)

附言如果你现在正在看书，那么我建议使用 Mahout 0.5 或 0.6，因为所有代码都检查了 0.5 版本，而对于其他版本，它会有所不同——尤其是 Mahout 0.7 中的集群代码