Apache spark KMeans（和平分KMeans）群集的错误/错误

我正在处理一个需要处理集群的数据

我知道Spark框架不会让我拥有一个集群；集群的最小数量为两个

我创建了一些伪随机数据来测试我的程序，我的程序显示了错误的结果，因为我的KMeans函数正在生成一个集群！怎么会？我不明白。是因为我的数据是随机的吗？我没有在我的kmeans上指定任何内容。这是处理K-Means的代码部分：

kmeans = new BisectingKMeans();
model = kmeans.fit(dataset); //trains the k-means with the dataset to create a model

clusterCenters = model.clusterCenters(); 

dataset.show(false);

for(Vector v : clusterCenters){
    System.out.println(v);
}

输出如下：

+----+----+------+
|File|Size|Volume|
+----+----+------+
|F1  |13  |1689  |
|F2  |18  |1906  |
|F3  |16  |1829  |
|F4  |14  |1726  |
|F5  |10  |1524  |
|F6  |16  |1844  |
|F7  |15  |1752  |
|F8  |12  |1610  |
|F9  |10  |1510  |
|F10 |11  |1554  |
|F11 |12  |1632  |
|F12 |13  |1663  |
|F13 |18  |1901  |
|F14 |13  |1686  |
|F15 |18  |1910  |
|F16 |19  |1986  |
|F17 |11  |1585  |
|F18 |10  |1500  |
|F19 |13  |1665  |
|F20 |13  |1664  |
+----+----+------+
only showing top 20 rows

[-1.7541523789077474E-16,2.0655699373151038E-15] //only one cluster center!!! why??

为什么会发生这种情况？我需要解决什么问题才能解决这个问题？只有一个簇会破坏我的程序对随机数据的处理，对分k-均值的正确输出通常只是一个簇

---

对分k-意味着您只能给出最大数量的簇。但如果结果没有改善，它可以提前停止。在您的情况下，将数据分为两个簇显然没有提高质量，因此不接受这种二分法。

啊，好的，我明白了！所以随机数据确实严重影响了我的模型。对于正常的真实数据，这种行为不应该发生，对吗？至少我希望如此。无论如何，谢谢你给我解释。有了理想的数据，就不会了。但是，如果数据只有一个簇，预处理不好，或者非常嘈杂，那么您可能会在真实数据上看到一个簇。你会惊讶地发现，用k-means这样的方法找不到有意义的集群。。。