hadoop之二维数据之kmeans深入

O、一维数据的kmeans，很简单

但二维数据+分区并行呢？

1、怎么初始化中心点？

2、怎么计算中心距离，跟一位一样吗？毕竟只是部分数据在计算。

一、先讲讲一维数据的kmeans吧：

txt  string[]

初始化中心点，随机选取下标,

string0[] txt0

第k次迭代中，计算样本到c个中心的距离，将样本归到其所应在的类

txt txt0

在分区里：

每个数据分成x,y,选取一个中心点0作为x0,y0,作为min参照值

for(int i=0;i<list.length;i++)

 min += (float) Math.pow((Float.parseFloat(list[i]) - Float.parseFloat(c[i])),2);

求得距离d0……2的值

 if(min>distance)

                {

                    min=distance;

                    pos=i;

                }

再   for(int i=0;i<center.length;i++)，即可判断距离最小的中心点

 context.write(new Text(center[pos]), new Text(outValue));即可给样本归类

再reduce分区，即可获得整体数据的kmeans一次分类。

reduce后，可以进行相同key值得总xy平均得新的中心点，以进行下一次的迭代。

二、二维

二维的思路就是转一维。