原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
K-means聚类实验——【机器学习与算法分析】--第1页
旗开得胜
实验算法K-means聚类实验
【实验名称】
K-means聚类实验
【实验要求】
掌握K-means模型应用过程，根据模型要求进行数据预处理，建模，评价与应用；
【背景描述】
聚类算法是一种典型的无监督学习算法，在聚类算法中根据样本之间的相似性，将样本划分到
不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧
式距离法。
【知识准备】
了解K-means模型的使用场景，数据标准。了解Python/Spark数据处理一般方法。了解spark
模型调用，训练以及应用方法
【实验设备】
Windows或Linux操作系统的计算机。部署Spark，Python，本实验提供centos6.8环境。
【实验说明】
采用UCI机器学习库中的wine数据集作为算法数据，除去原来的类别号，把数据看做没有类
别的样本，训练K-means模型，对样本进行聚类。
【实验环境】
Spark2.3.1，Pyrhon3.X，实验在命令行pyspark中进行，或者把代码写在py脚本，由于本
次为实验，以学习模型为主，所以在命令行中逐步执行代码，以便更加清晰地了解整个建模流程。
【实验步骤】
第一步：启动pyspark：
命令行中键入pyspark--masterlocal[4],本地模式启动spark与python：
1
读万卷书行万里路
K-means聚类实验——【机器学习与算法分析】--第1页
K-means聚类实验——【机器学习与算法分析】--第2页
旗开得胜
第二步：导入用到的包，并读取数据：
(1).导入所需的包
frompysparkimportSparkContext,SQLContext,SparkConf
frommathimportsqrt
(2).读取数据源,数据源地址为:/opt/algorithm/kmeans/wine.txt
(3).数据转换为DataFrame
df_wine_rdd=sqlContext.createDataFrame(df_wine)
(4).展示数据
df_wine_rdd.show()
2
读万卷书行万里路
K-means聚类实验——【机器学习与算法分析】--第2页
K-means聚类实验——【机器学习与算法分析】--第3页
旗开得胜
第三步：数据预处理
(1).去掉类别标号那一类
(2).构建向量
importpyspark.ml.featureasml_feature
cols=df_wine_rdd.columns
wine_Vc=vectorAssembler.transform(df_w
文档评论（0）