Кластеризация данных в алгоритме KMeans с использованием бинарной древовидной структуры

Question

У меня проблемы с генерацией кода для кластеризации KMeans в Java.Я уже знал алгоритм, но это очень трудно писать в коде Java.Мое назначение - извлечь данные из базы данных, а затем запустить кластеризацию с помощью KMeans, в этом случае сначала необходимо сформировать данные в рекурсивной двоичной древовидной структуре.сценарий:

1. сначала создайте родительский узел, если parent равен NULL, затем установите global_iteration = 0

2. создающий узел и его отношение к родителю

3. получить все данные из базы данных (я использую JDBC) для родителей (далее мы назовем его набором данных)

4. если набор данных

5. , если набор данных

6. вычисляет центроиднабор данных (в данном случае это 2, потому что мы строим двоичное дерево)

7. Класс Cal KMeans

8. global_iteration ++

9. для каждого набора данных: продолжить повторение.

тогда мы должны создать класс KMeans, который будет вызываться для вставки в узел.

KMeans (набор данных, k, maxIteration, minChange)

примечание: k = номер кластера, minChange: значение во время изменения центроида, чтобы быть параметром, который должен обрабатывать кластеризацию или нет.Кластеризация Kmeans точно такая же, как и у общего алгоритма KMeans.

Большое спасибо за помощь в выполнении этого задания:)

Answer 1

You can implement k-means algorithm as:
SimpleKMeans kmeans = new SimpleKMeans();

kmeans.setSeed(10);

// This is the important parameter to set
kmeans.setPreserveInstancesOrder(true);
kmeans.setNumClusters(numberOfClusters);
kmeans.buildClusterer(instances);

// This array returns the cluster number (starting with 0) for each instance
// The array has as many elements as the number of instances
int[] assignments = kmeans.getAssignments();

int i=0;
for(int clusterNum : assignments) {
System.out.printf("Instance %d -> Cluster %d", i, clusterNum);
i++;
}

Answer 2

Проверка Weka источник код для K-Means , может быть, это поможет вам решить проблему.