只有這個(gè)算法思想比較對(duì)，其他?的都沒(méi)有一開(kāi)始的remove:?原網(wǎng)址：http://www.shahuwang.com/?p=1021

Canopy?Clustering?這個(gè)算法是2000年提出來(lái)的，此后與Hadoop配合，已經(jīng)成為一個(gè)比較流行的算法了。確切的說(shuō)，這個(gè)算法獲得的并不是最終結(jié)果，它是為其他算法服務(wù)的，比如k-means算法。它能有效地降低k-means算法中計(jì)算點(diǎn)之間距離的復(fù)雜度。Mahout中已經(jīng)實(shí)現(xiàn)了這個(gè)算法，不知道其他的機(jī)器學(xué)習(xí)類(lèi)庫(kù)和工具中，有多少是實(shí)現(xiàn)了這個(gè)算法的。感覺(jué)上這個(gè)算法要實(shí)現(xiàn)不難，難在和Hadoop如何結(jié)合上。Hadoop完全不懂，這里我就不說(shuō)那么多了。

好書(shū)推薦

圖中有一個(gè)T1,一個(gè)T2,我們稱(chēng)之為距離閥值，顯然T1>T2，這兩個(gè)值有什么用呢？我們先確定了一個(gè)中心，然后計(jì)算其他點(diǎn)到這個(gè)中心間的距離，當(dāng)距離大于T1時(shí)，小于T1大于T2時(shí)，小于T2時(shí)，對(duì)這個(gè)點(diǎn)的處理都是不一樣的。http://micahlabrams.blogspot.com/2011/10/canopy-clustering.html?這篇文章提供了一個(gè)很好的偽代碼，我覺(jué)得看完之后，加上我稍加的解釋，就能明白canopy聚類(lèi)的實(shí)現(xiàn)過(guò)程了：

while?D?is?not?empty

select?element?d?from?D?to?initialize?canopy?c

remove?d?from?D

Loop?through?remaining?elements?in?D

if?distance?between?d_i?and?c?

if?distance?between?d_i?and?c?

end

add?canopy?c?to?the?list?of?canopies?C

end

這里有幾點(diǎn)要說(shuō)明的：D指代一組數(shù)據(jù)，d_i表示D中的各個(gè)數(shù)據(jù)。

是不是還不夠明白？下面用中文進(jìn)行說(shuō)明：

1：給我一組存放在數(shù)組里面的數(shù)據(jù)D

2：給我兩個(gè)距離閾值T1,T2,且T1>T2

3：隨機(jī)取D中的一個(gè)數(shù)據(jù)d作為中心，并將d從D中移除

4：計(jì)算D中所有點(diǎn)到d的距離distance

5：將所有distance

6：將所有distance

7：重復(fù)步驟4到6，直到D為空，形成多個(gè)canopy類(lèi)

通過(guò)上面的描述，能理解T1和T2的作用了否？當(dāng)與中心的距離大于T1時(shí)，這些點(diǎn)就不會(huì)被歸入到中心所在的這個(gè)canopy類(lèi)中。然當(dāng)距離小于T1大于T2時(shí)，這些點(diǎn)會(huì)被歸入到該中心所在的canopy中，但是它們并不會(huì)從D中被移除，也就是說(shuō)，它們將會(huì)參與到下一輪的聚類(lèi)過(guò)程中，成為新的canopy類(lèi)的中心或者成員。亦即，兩個(gè)Canopy類(lèi)中有些成員是重疊的。這是canopy比較關(guān)鍵和高明的地方了，當(dāng)然內(nèi)在的高明之處我也講不出來(lái)，水平不夠。而當(dāng)距離小于T2的時(shí)候，這些點(diǎn)就會(huì)被歸入到該中心的canopy類(lèi)中，而且會(huì)從D中被移除，也就是不會(huì)參加下一次的聚類(lèi)過(guò)程了。

不知道現(xiàn)在能明白了否？

總結(jié)

以上是生活随笔為你收集整理的canopy算法流程_Canopy聚类算法(经典，看图就明白)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。