




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
Hadoop大数据解决方案进阶应用Hadoop讲师:迪伦(北风网版权所有)Mahout数据挖掘工具(5)Mahout测试
聚类算法实战-K-means课程目标Mahout测试查看hdfs的输出结果转换成普通文本Mahout测试查看转换的结果转换原始数据聚类算法实战-K-meansK-means计算步骤步骤一:提取feature步骤二:将feature向量化步骤三:利用K-means算法实现聚类实例有1TB的新闻网页数据,如何使用K-mean对其分成若干类?步骤一:提取feature步骤1:提取新闻正文,并分词步骤2:对词编码,从1开始步骤3:每个新闻文档是一个向量,每个元素为0或者1比如:步骤二:将feature向量化向量的表示形式DenseVector:元素数目即为feature总数,不管是0还是1RandomAccessSparseVector:采用hashmap保存,更省空间SequentialAccessSparseVector:经优化,便于随机存取向量转化方式通过Lucene相关库
$mahoutlucenevector…通过mahout自带工具
$mahoutseqdirectory…
$mahoutseq2sparse…自己编写程序将数据保存成SequenceFile格式步骤三:利用K-means算法实现聚类-i:指定待分类数据集所在的路径-c:指定初始类别所在路径-o:输出聚类后的结果存放路径-k:随机选取的类别数目-dm:采用的向量距离计算方法,在此指定实现类-x:最多迭代终止次数-cd:聚集偏移量,即本轮迭代次数与上一轮迭代相比,变动点总量变化值-ow:结果目录已经存在时是否对其覆盖-cl:是否首先通过canopy选取k个点,然后再运行k-means聚类-xm:sequential或者mapreduce,顺序执行还是分布式执行Mahout自带的向量距离计算类位于java包org.apache.mahout.distance中比如:org.apache.mahout.distance.CosineDistanceMeasureK-means聚类实例步骤1:下载测试数据(格式为SGML):
$wget/resources/testcollections/reuters21578/reuters21578.tar.gz步骤2:将数据解压
$mkdir–p~/dataset/reuters-sgm~/dataset/reuters-out
$cddataset/reuters-sgm&&t
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 二零二五版货运代理与供应链金融服务合同
- 2025版煤炭批发市场交易与物流配送管理合同
- 二零二五年度电子商务平台广告推广合同
- 2025年度海外派遣员工劳动合同中的工作环境与安全合同
- 二零二五年度智能家居软装设计与安装合同
- 二零二五年度建筑垃圾运输与城市生态建设合同
- 二零二五年度物流园区金融服务承包合同
- 二零二五年度冷链生鲜运输简易合同
- 二零二五年服装店长领导力培养与发展合同
- 低碳农业发展策略考核试卷
- 烟叶制丝操作工(中级)技能检定考试题库(附答案)
- 江苏省泰州市泰兴市招聘劳动保障协理员试题及答案解析
- 石灰窑风险辨识管控、各级隐患排查清单
- GB/T 714-2015桥梁用结构钢
- GB/T 6003.3-1999电成型薄板试验筛
- GB/T 4854.1-2004声学校准测听设备的基准零级第1部分:压耳式耳机纯音基准等效阈声压级
- 风险分级管控责任清单(桥梁工程)
- 建设工程创优方案
- 模具保养记录表
- CNC机加工作业指导书
- 智能家居设备产业提质增效行动方案(参考意见稿)
评论
0/150
提交评论