如何设置 Spark Kmeans 初始中心

Posted 2023-03-12

【中文标题】如何设置 Spark Kmeans 初始中心

【英文标题】：how to set Spark Kmeans initial centers

【发布时间】：2017-09-14 22:22:44

【问题描述】：

我正在使用 Spark ML 运行 Kmeans。我有一堆数据和三个现有中心，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]. 那么我怎样才能表明 Kmeans 中心是上述三个向量。 我看到 Kmean 对象有种子参数，但种子参数是长类型而不是数组。那么如何告诉 Spark Kmeans 只使用现有的中心进行聚类。

或者说，我不明白Spark Kmeans中的种子是什么意思，我想种子应该是一个向量数组，在运行聚类之前代表指定的中心。

【参考方案1】：

确实，seed 并不代表您的想法，即它不用于“播种”（初始化）集群中心，而只是用于设置随机种子 - 您可以在 @987654321 的文档中确认这一点@ 和 Python API。

据我所知，目前（Spark 2.1）无法为 Spark ML 中的 k-means 提供初始集群中心（请参阅 this answer 了解 Spark MLlib）。 initMode 参数，根据文档：

可以“随机”选择随机点作为初始聚类中心，也可以“k-means||”使用 k-means++') 的并行变体

【讨论】：

谢谢，请问一般种子号怎么设置？较小的值还是较大的值？

@Jack 没关系；它不会影响性能，仅当您希望结果完全可重现时才需要明确设置它 - 看看这个 SO 答案（或只是谷歌'随机种子'）***.com/questions/33973817/…