【发布时间】：2013-02-05 16:05:34
【问题描述】：
使用 apache mahout 创建文档向量和集群相当容易。执行 clusterdump 允许用户查看与各个集群相关的术语。但是，如何识别属于每个集群的文档？
谢谢
【问题讨论】：
标签： machine-learning cluster-analysis mahout
【发布时间】：2013-02-05 16:05:34
【问题描述】：
我认为，对于每个文档，找到它的向量与每个聚类中心的欧几里得距离，并将其分配给最近的聚类。
【讨论】：
-
显然取决于聚类算法。 Squared Euclidean 仅适用于普通 k 均值。
-
谢谢，但是 mahout API 是否提供任何方法/方法集来完成此操作（查找与集群关联的文档）？我刚刚在这篇博文中看到了这个 sn-p，我可能应该试试 bickson.blogspot.com/2011/09/understanding。这将打印每个 doc 及其各自的 cluster 。代码 sn-p 在gist.github.com/anonymous/4998621
-
这是一个相当容易实现的方法，尤其是 Mahout 不知道。