這篇文章主要介紹了 spark mlilib中高斯混合聚類的示例分析，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

成都創(chuàng)新互聯(lián)公司長(zhǎng)期為上千客戶提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為武都企業(yè)提供專業(yè)的網(wǎng)站制作、網(wǎng)站建設(shè)，武都網(wǎng)站改版等技術(shù)服務(wù)。擁有十多年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開發(fā)。

運(yùn)行代碼如下

package spark.clustering

import org.apache.spark.mllib.clustering.{GaussianMixture, KMeans}
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.{SparkConf, SparkContext}

/**
  * 高斯混合聚類
  * 高斯分布：當(dāng)一個(gè)數(shù)據(jù)向量在一個(gè)高斯分布的模型計(jì)算與之以內(nèi)，則認(rèn)為它與高斯分布相匹配，屬于此模型的聚類．
  * 混合高斯分布：任何樣本的聚類都可以使用多個(gè)單高斯分布模型來(lái)表示．
  *
  * Created by eric on 16-7-21.
  */
object GMG {
  val conf = new SparkConf()                                     //創(chuàng)建環(huán)境變量
    .setMaster("local")                                             //設(shè)置本地化處理
    .setAppName("gaussian")                              //設(shè)定名稱
  val sc = new SparkContext(conf)

  def main(args: Array[String]) {
    val data = sc.textFile("./src/main/spark/clustering/gmg.txt")
    val parsedData = data.map(s => Vectors.dense(s.trim().split(' ').map(_.toDouble)))
      .cache()

    val model = new GaussianMixture().setK(2).run(parsedData) // 設(shè)置訓(xùn)練模型的分類數(shù)
    for (i <- 0 until model.k) {
      println("weight=%f\nmu=%s\nsigma=\n%s\n" format			//逐個(gè)打印單個(gè)模型
        (model.weights(i), model.gaussians(i).mu, model.gaussians(i).sigma))	//打印結(jié)果
    }
  }
}

gmg.txt

1 2 1
2 1 2
2 3 1
4 1 2
2 3 3
2 3 4
3 1 1
1 4 1

結(jié)果如下

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“ spark mlilib中高斯混合聚類的示例分析”這篇文章對(duì)大家有幫助，同時(shí)也希望大家多多支持創(chuàng)新互聯(lián)，關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，更多相關(guān)知識(shí)等著你來(lái)學(xué)習(xí)!