Hadoop 解释mahout clusterdumper的输出

我对爬网页面（超过25K个文档；个人数据集）进行了聚类测试。 我做了一个集群转储：

$MAHOUT_HOME/bin/mahout clusterdump --seqFileDir output/clusters-1/ --output clusteranalyze.txt

运行集群转储程序后的输出显示为25个元素“VL-xxxxx{}”：

如何解释这个输出

简而言之：我正在寻找属于特定集群的文档ID

以下是什么意思：

• VL-x
• n=yc=[z:z'，…]
• r=[z'：z'，…]

0:0.017是否表示“0”是属于此群集的文档id

我已经在mahout wiki页面上读到了CL、n、c和r的含义。但是，有人能更好地向我解释一下，或者指向一个资源，在那里可以更详细地解释一下吗

---

抱歉，如果我问了一些愚蠢的问题，但我是一个新手，拥有apache mahout，并将其作为集群课程作业的一部分。

我认为您需要阅读源代码——从下载<代码>VL-24130只是聚合集群的集群标识符

默认情况下，kmeans集群使用不包含数据点名称的WeightedVector。因此，您希望自己使用NamedVector创建一个序列文件。seq文件的数量与映射任务之间存在一对一的对应关系。因此，如果您的映射容量是12，那么在创建文件时，您希望将数据分成12个部分 NamedVector：

vector=newnamedvector（newsequentialaccesssparsevector（基数），arrField[0]）；

基本上，您需要从HDFS系统下载clusteredPoints并编写自己的代码来输出结果。下面是我为输出集群点成员身份而编写的代码

import java.io.*；
导入java.util.ArrayList；
导入java.util.HashMap；
导入java.util.List；
导入java.util.Map；
导入java.util.Set；
导入java.util.TreeMap；
导入org.apache.hadoop.conf.Configuration；
导入org.apache.hadoop.fs.FileSystem；
导入org.apache.hadoop.fs.Path；
导入org.apache.hadoop.io.IntWritable；
导入org.apache.hadoop.io.SequenceFile；
导入org.apache.mahout.clustering.WeightedVectorWritable；
导入org.apache.mahout.common.Pair；
导入org.apache.mahout.common.iterator.sequencefile.PathFilters；
导入org.apache.mahout.common.iterator.sequencefile.PathType；
导入org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable；
导入org.apache.mahout.math.NamedVector；
公共类ClusterOutput{
/**
*@param args
*/
公共静态void main（字符串[]args）{
//TODO自动生成的方法存根
试一试{
缓冲写入器bw；
Configuration conf=新配置（）；
FileSystem fs=FileSystem.get（conf）；
文件点文件夹=新文件（args[0]）；
文件文件[]=pointsFolder.listFiles（）；
bw=新的BufferedWriter（新的FileWriter（新文件（args[1]））；
HashMap簇；
clusterIds=newhashmap（5000）；
用于（文件：文件）{
如果（file.getName（）.indexOf（“part-m”）您可以使用mahoutclusterdump
要完成答案：


VL-x：集群的标识符
n=y：是群集中的元素数
c=[z，…]：是簇的质心，具有
z是不同维度的权重
r=[z，…]：是簇的半径

更多信息请点击此处：
请阅读问题。OP已经使用了clusterdumper。c=[monkey:0.7，0.7意味着什么？这是平均术语权重吗？如果我使用单词计数，这是平均单词计数吗？按顺序排列，此集群中的文档平均有70%的时间使用monkey？
VL-24130{n=1312 c=[0:0.017, 10:0.007, 11:0.005, 14:0.017, 31:0.016, 35:0.006, 41:0.010, 43:0.008, 52:0.005, 59:0.010, 68:0.037, 72:0.056, 87:0.028, ... ] r=[0:0.442, 10:0.271, 11:0.198, 14:0.369, 31:0.421, ... ]}
...
VL-24868{n=311 c=[0:0.042, 11:0.016, 17:0.046, 72:0.014, 96:0.044, 118:0.015, 135:0.016, 195:0.017, 318:0.040, 319:0.037, 320:0.036, 330:0.030, ...] ] r=[0:0.740, 11:0.287, 17:0.576, 72:0.239, 96:0.549, 118:0.273, ...]}