【发布时间】：2013-12-11 23:38:45
【问题描述】：
我有一个数据集（300MB），我希望在其上运行 k 表示使用 Mahout 进行聚类。数据采用 csv 格式，仅包含数值。是否仍然需要为 mahout k 表示命令以矢量化格式输入文件？如果没有，我如何直接在我的 csv 文件上运行 k 表示命令而不将其转换为矢量格式？
【问题讨论】：
标签： vector cluster-analysis mahout k-means
【发布时间】：2013-12-11 23:38:45
【问题描述】：
如果您的数据为 300 MB，答案是根本不要使用 Mahout。
真的只有当您的数据不再适合内存时才使用 Mahout。 Map Reduce 是昂贵的，只有当你无法解决问题时才想使用它。
【讨论】：
-
这只是一个示例数据，我的实际数据相当大。但问题是我的数据中只有数值。 mahout k 表示仅适用于字符串值，还是我也可以仅对数值成功运行它？有没有人试过这个？请回复
-
K-means 计算 means。它实际上仅适用于数值数据。你读过关于 k-means 的描述吗？
-
@Anony-Mousse: imiloainf.wordpress.com/2013/07/27/mahout-kmeans-example 告诉 Mahout kmeans 主要用于文本处理，如果需要处理一些数值数据，则需要编写一些实用函数将数值数据写入 sequence-vector格式。
-
@SreeVeni 那又怎样？是的，您可以在 TF-IDF 向量上运行 k-means。但是 Mahout 仍然很烂；它仍然会非常缓慢。
-
@Anony-Mousse：我尝试使用合成数据运行 Kmeans unmeshasreeveni.blogspot.in/2014/11/… 我们如何提供自己的数据来运行 kmeans。有没有相同的教程？