A23df的专栏

原创 Mahout Canopy源码分析

Canopy Clustering  Canopy算法介绍： 1.选择简单，计算代价低的方法计算对象相似性，将相似的对象放在一个Canopy子集下通过计算得到若干Canopy， Canopy之间可以重叠，不存在某个对象不属于任何Canopy。 2.Canopy算法一般做为数据预处理。通过计算得到的几个簇，从每个簇中选取一个理中心点最近的点(中心点)作为其他聚类(k-means)的初始中心。