大数据训练营

聚类相关的概念：相似性、距离度量（单连接、全连接、平均、质心、中心）、异常点算法分类：层次算法、划分算法层次算法：（凝聚、分裂）、谱系图的概念简单的凝聚算法——最近邻聚类：自增距离d至阀值、每次合并距离基于mst的层次凝聚聚类：从生成的mst上，根据距离合并簇分裂：基于mst的分裂，与上述mst凝聚相逆划分算法判定聚类

Mahout是Hadoop的一种高级应用。运行Mahout需要提前安装好Hadoop。Hadoop的安装网上很多，并不复杂，这里不再讲述，接下来阐述怎么安装Mahout。1：下载二进制解压安装。到http://labs.renren.com/apache-mirror/mahout/0.7下载，我选择下载二进制包，直接解压及可。hadoop@ubuntu:~$ tar -zxvf

摘要: MLlib 是 Spark 生态系统里用来解决大数据机器学习问题的模块。本文将以聚类分析这个典型的机器学习问题为基础，向读者介绍如何使用 MLlib 提供的 K-means 算法对数据做聚类分析，我们还将通过分析源码，进一步加深读者对 MLlib K-means 算法的实现原理和使用方法的理解。引言提起机器学习 (Machine Learning)，相信很多计算机从业者都会

在DBSCAN密度聚类算法中，我们对DBSCAN聚类算法的原理做了总结，本文就对如何用scikit-learn来学习DBSCAN聚类做一个总结，重点讲述参数的意义和需要调参的参数。1. scikit-learn中的DBSCAN类　　　　在scikit-learn中，DBSCAN算法类为sklearn.cluster.DBSCAN。要熟练的掌握用DBSCAN类来聚类，除了对DBSCA