K-Means算法的实现在包org.apache.mahout.clustering.kmeans中,其实现了单机版本和Map-Reduce两种版本的算法。
我们先来看类KMeansDriver,在这个类里面我们先从run函数开始看起,首先其利用RandomSeedGenerator随机选取输入样本中的K个作为最先的随机种子。
if (hasOption(DefaultOptionCreator.NUM_CLUSTERS_OPTION)) {
//随机生成K个聚类中心
clusters = RandomSeedGenerator
.buildRandom(
getConf(),
input,
clusters,
Integer.parseInt(getOption(DefaultOptionCreator.NUM_CLUSTERS_OPTION)),
measure);
}
在buildClusters函数中才真正的开始进行聚类,我们可以看到其选取的聚类策略为KMeansClusteringPolicy,我们知道在进行K-Means聚类的时候需要计算样本与聚类中心的聚类,KMeansClusteringPolicy继承AbstractClusteringPolicy,在AbstractClusteringPolicy中定义了一个classify函数,用于计算样本向量与各个聚类簇之间的分布概率,也就是样本属于各个簇的概率,K-means就是利用这个概率将样本分到各个簇的。AbstractClusteringPolicy中还有一个select函数,默认的是一个样本只属于一个簇,所以其就将概率最大的位置的元素置为1.0,其他的就置为0.0。K-Means聚类利用了我们以前讲的