第3章 聚 类 算 法

聚类在百度百科上的定义为：将物体或抽象对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。
在自然科学和社会科学中，存在着大量的分类问题。聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法。聚类在生活中的应用有很多，例如，在商务上，聚类能帮助市场分析人员从客户基本库中发现不同的客户群，并且用购买模式来刻画不同的客户群特征；在生物学上，聚类用于推导植物和动物的分类，对基因进行分类，获得对种群中固有结构的认识；在互联网上，聚类也能用于对Web上的文档进行分类，以发现信息。不得不说，聚类在生活中的应用也是很广泛的。
聚类算法在Mahout中是单独的一个模块，这个模块包含很多不同的具体算法，在第1章中已经介绍，此处不再赘述。
本章主要分析Canopy、K-Means和Mean Shift这三个算法。一般按照下面的步骤进行分析：首先分析这些算法的基本原理，然后分析其在Mahout中的实现原理，最后通过对每个算法调用Mahout的算法包中相应的算法接口来实战演示如何调用每个算法，主要包括输入数据的获取、算法包中算法的参数意义、调用算法接口以及对生成结果的分析。