scala - 使用 Apache Spark 提取 kmeans 集群信息

Question

我已经在以下位置实现了 Apache Spark 示例

https://spark.apache.org/docs/1.1.0/mllib-clustering.html#examples

来源如下:

import org.apache.spark.mllib.clustering.KMeans
import org.apache.spark.mllib.linalg.Vectors

// Load and parse the data
val data = sc.textFile("data/mllib/kmeans_data.txt")
val parsedData = data.map(s => Vectors.dense(s.split(' ').map(_.toDouble)))

// Cluster the data into two classes using KMeans
val numClusters = 2
val numIterations = 20
val clusters = KMeans.train(parsedData, numClusters, numIterations)

// Evaluate clustering by computing Within Set Sum of Squared Errors
val WSSSE = clusters.computeCost(parsedData)
println("Within Set Sum of Squared Errors = " + WSSSE)

使用数据集:

0.0 0.0 0.0
0.1 0.1 0.1
0.2 0.2 0.2
9.0 9.0 9.0
9.1 9.1 9.1
9.2 9.2 9.2

我可以使用以下方法提取聚类中心:

  println(clusters.clusterCenters.apply(0))
   println(clusters.clusterCenters.apply(1))

返回

[9.1,9.1,9.1]
[0.10000000000000002,0.10000000000000002,0.10000000000000002]

但是有一些我不确定的项目，API 似乎不支持:

如何提取已添加到两个簇中的每个点？

如何为每个数据点添加标签，以便在查看每个簇中有哪些点的同时也可以确定每个点的标签？我是否需要更新 Spark Kmeans 实现才能实现此目的？

Answer 1

如果您使用的是java，

javaRDD cluster_indices = clusters.predict(parsedData);

因为预测重载。