查看原文 聚类是机器学习里很重要的一类方法，基本原则是将“性质相似”(这里就有相似的标准问题，比如是基于概率分布模型的相似性又或是基于距离的相似性)的对象尽可能的放在一个Cluster中而不同 ...

(借鉴于网络资料，有修改) 一、概念介绍 K-means算法是硬聚类算法，是典型的局域原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的 ...

一、Mahout命令使用 合成控制的数据集 synthetic_control.data 可以从 此处下载，总共由600行X60列double型的数据组成， 意思是有600个元组，每个元组是一个时间序列。 1. 把数据拷到集群上，放到kmeans/目录 ...

第九章聚类算法 9.1 K-means聚类 　　K-means需要用户设定一个聚类个数（k）作为输入数据，有时k值可能非常大（10,000），这是Mahout闪光的（shines）地方，它确保聚类的可测量性。 　　为了用k-means达到高质量的聚类，需要估计一个k值。估计k值一种近似的方法 ...

首先介绍一下，FuzzyKMeans算法的主要思想。 模糊 C 均值聚类(FCM),即众所周知的模糊 ISODATA,是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法。1973 年,Bezdek 提出了该算法,作为早期硬 C 均值聚类(HCM)方法的一种改进。FCM 把 n 个向量 xi ...

原文地址 本文内容 软件 步骤 控制相关性 总结 参考资料 本文介绍如何用带 Apache Mahout 的 MapR Sandbox for Hadoop 和 Elasticsearch 搭建推荐引擎，只需要很少的代码。 This tutorial ...

Mahout中对协同过滤算法进行了封装，看一个简单的基于用户的协同过滤算法。 基于用户：通过用户对物品的偏好程度来计算出用户的在喜好上的近邻，从而根据近邻的喜好推测出用户的喜好并推荐。 图片来源 程序中用到的数据都存在MySQL数据库中，计算结果也存在MySQL中的对应用户表中 ...

利用Mahout实现在Hadoop上运行K-Means算法 一、介绍Mahout Mahout是Apache下的开源机器学习软件包，目前实现的机器学习算法主要包含有协同过滤/推荐引擎，聚类和分类三个部分。Mahout从设计开始就旨在建立可扩展的机器学习软件包，用于处理大数据 ...