Фуззи К-Меастер Кластер у Махоут-у



Овај блог даје увод у кластер Фуззи К-Меанс у Апацхе Махоут.

Фуззи К-Меанс је потпуно исти алгоритам као К-значи, што је популарна једноставна техника груписања. Једина разлика је у томе што уместо да тачку додели само једном кластеру, она може имати неку врсту нејасноћа или се преклапати између два или више кластера. Следе кључне тачке које описују нејасне К-знакове:





  • За разлику од К-Меанс-а, који тражи тврди кластер, при чему свака од тачака припада једном кластеру, Фуззи К-Меанс тражи мекше кластере ради преклапања.
  • Једна тачка у меком јату може припадати више кластера са одређеном вредношћу афинитета према свакој од тачака.
  • Афинитет је пропорционалан удаљености те тачке од тежишта кластера.
  • Слично К-средствима, Фуззи К-Меанс ради на објектима који имају дефинисану меру удаљености и могу бити представљени у н- димензионални векторски простор.

Нејасни К-знаци МапРедуце Флов

Нема велике разлике између протока МапРедуце К-Меанс и Фуззи К-Меанс. Примена обе верзије у Махоут-у је слична.

јава је вс има а

Следе следећи битни параметри за примену нејасних К-средстава:



  • За унос вам је потребан скуп података Вецтор.
  • Мора постојати РандомСеедГенератор да би сејао почетни к кластер.
  • За мерење удаљености потребна је СкуаредЕуцлидеанДистанцеМеасуре.
  • Велика вредност прага конвергенције, као што је –цд 1.0, ако је коришћена квадратна вредност мере даљине
  • Вредност за макИтератионс подразумевана вредност је -к 10.
  • Коефицијент нормализације или фактор магловитости, са вредношћу већом од -м 1,0

Имате питање за нас? Спомените их у одељку за коментаре и јавићемо вам се.

како генерисати случајни низ у јави

Повезани постови



како да напишем тостринг метод

Надгледано учење у Апацхе Махоут-у