Scala StreamingKMeans设置种子（）

我需要为种子指定一个特定值来训练StreamingKMeans。当我跑的时候

val km = new StreamingKMeans(3, 1.0, "points")
km.setRandomCenters(10, 0.5)
val newmodel = km.latestModel.update(featureVectors, 1.0, "points")

val prediction3 = id_features.map(x=> (x._1, newmodel.predict(x._2)))

它很好用。但当我准备用种子的时候：

km.setRandomCenters(10, 0.5).setSeed(6250L)

我得到一个错误：

value setSeed不是org.apache.spark.mllib.clustering.StreamingKMeans的成员

---

在这种情况下，我如何设置种子？

错误告诉您，

org.apache.spark.mllib.clustering.StreamingKMeans

没有

setSeed

成员（您可以从验证；奇怪的是，

KMeans

类中确实存在此方法，但

StreamingKMeans

没有此方法）

然而，一切都没有失去…；-）

setRandomCenters

方法采用3个参数，第三个是随机种子。它的值默认为

Utils.random.nextLong

。要执行所需操作，应将该行更改为：

km.设定速度（10,0.5）.设定速度（6250升）

致：

<代码>公里数（10,0.56250升）

---

更新：顺便说一句，Spark利用了函数式编程范式。因此，在

StreamingKMeans

实例上调用

.setRandomCenter

等方法通常不会修改（或变异）该实例。相反，它会创建一个新实例，并对其应用修改

在代码中，您实际上放弃了由

SetRandomCenters

所做的更改，因为您不存储结果。您的代码应该更像这样：

val km=新的流线Kmeans（3,1.0，“点”）。设置随机中心（10,0.5）
val newmodel=km.latestModel.update（featureVectors，1.0，“点”）
val prediction3=id_features.map（x=>（x._1，newmodel.predict（x._2）））

“Spark利用了函数式编程范式。因此，在（…）实例上调用（…）之类的方法通常不会修改（或变异）该实例”-“数据结构”（

RDD

，

Dataset

）和传统MLlib API可能是这样，但在ML API中，这是完全错误的。只是说…@user10465355是的。查看了代码之后，这确实改变了实例。