当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R SparkR spark.kmeans用法及代码示例


说明:

针对 SparkDataFrame 拟合 k-means 聚类模型,类似于 R 的 kmeans()。用户可以调用summary打印拟合模型的摘要,调用predict对新数据进行预测,调用write.ml/read.ml保存/加载拟合模型。

用法:

spark.kmeans(data, formula, ...)

## S4 method for signature 'SparkDataFrame,formula'
spark.kmeans(
  data,
  formula,
  k = 2,
  maxIter = 20,
  initMode = c("k-means||", "random"),
  seed = NULL,
  initSteps = 2,
  tol = 1e-04
)

## S4 method for signature 'KMeansModel'
summary(object)

## S4 method for signature 'KMeansModel'
predict(object, newData)

## S4 method for signature 'KMeansModel,character'
write.ml(object, path, overwrite = FALSE)

参数:

  • data 用于训练的 SparkDataFrame。
  • formula 要拟合的模型的符号说明。目前仅支持少数公式运算符,包括'~'、'.'、':'、'+'和'-'。注意,公式的响应变量在 spark.kmeans 中为空。
  • ... 传递给方法的附加参数。
  • k 中心的数量。
  • maxIter 最大迭代次数。
  • initMode 选择适合模型的初始化算法。
  • seed 集群初始化的随机种子。
  • initSteps k-means|| 的步数初始化模式。这是一个高级设置,默认值 2 几乎总是足够的。必须 > 0。
  • tol 迭代的收敛容差。
  • object 拟合的k-means 模型。
  • newData 用于测试的 SparkDataFrame。
  • path 保存模型的目录。
  • overwrite 如果输出路径已经存在,是否覆盖。默认为 FALSE,这意味着如果输出路径存在则抛出异常。

返回:

spark.kmeans 返回一个拟合的 k-means 模型。

summary 返回拟合模型的汇总信息,是一个列表。该列表包括模型的k(配置的聚类中心数)、coefficients(模型聚类中心)、size(每个聚类中的数据点数)、cluster(转换数据的聚类中心) , is.loaded(模型是否从保存的文件中加载),和clusterSize(实际聚类中心数。使用initMode = "random"时,clusterSize可能不等于k)。

predict 返回基于 k-means 模型的预测值。

注意:

spark.kmeans 自 2.0.0 起

摘要(KMeansModel)自 2.0.0 起

从 2.0.0 开始预测(KMeansModel)

write.ml(KMeansModel, character) 自 2.0.0 起

例子:

sparkR.session()
t <- as.data.frame(Titanic)
df <- createDataFrame(t)
model <- spark.kmeans(df, Class ~ Survived, k = 4, initMode = "random")
summary(model)

# fitted values on training data
fitted <- predict(model, df)
head(select(fitted, "Class", "prediction"))

# save fitted model to input path
path <- "path/to/model"
write.ml(model, path)

# can also read back the saved model and print
savedModel <- read.ml(path)
summary(savedModel)

相关用法


注:本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 K-Means Clustering Model。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。