大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章主要介绍了 spark mlilib中高斯混合聚类的示例分析,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
成都创新互联公司长期为上千客户提供的网站建设服务,团队从业经验10年,关注不同地域、不同群体,并针对不同对象提供差异化的产品和服务;打造开放共赢平台,与合作伙伴共同营造健康的互联网生态环境。为武都企业提供专业的网站制作、网站建设,武都网站改版等技术服务。拥有十多年丰富建站经验和众多成功案例,为您定制开发。
package spark.clustering import org.apache.spark.mllib.clustering.{GaussianMixture, KMeans} import org.apache.spark.mllib.linalg.Vectors import org.apache.spark.{SparkConf, SparkContext} /** * 高斯混合聚类 * 高斯分布:当一个数据向量在一个高斯分布的模型计算与之以内,则认为它与高斯分布相匹配,属于此模型的聚类. * 混合高斯分布:任何样本的聚类都可以使用多个单高斯分布模型来表示. * * Created by eric on 16-7-21. */ object GMG { val conf = new SparkConf() //创建环境变量 .setMaster("local") //设置本地化处理 .setAppName("gaussian") //设定名称 val sc = new SparkContext(conf) def main(args: Array[String]) { val data = sc.textFile("./src/main/spark/clustering/gmg.txt") val parsedData = data.map(s => Vectors.dense(s.trim().split(' ').map(_.toDouble))) .cache() val model = new GaussianMixture().setK(2).run(parsedData) // 设置训练模型的分类数 for (i <- 0 until model.k) { println("weight=%f\nmu=%s\nsigma=\n%s\n" format //逐个打印单个模型 (model.weights(i), model.gaussians(i).mu, model.gaussians(i).sigma)) //打印结果 } } }
1 2 1 2 1 2 2 3 1 4 1 2 2 3 3 2 3 4 3 1 1 1 4 1
感谢你能够认真阅读完这篇文章,希望小编分享的“ spark mlilib中高斯混合聚类的示例分析”这篇文章对大家有帮助,同时也希望大家多多支持创新互联,关注创新互联行业资讯频道,更多相关知识等着你来学习!