聚类Clustering -Clustering of synthetic control data

1.下载Mahout
http://www.apache.org/dist//mahout/0.4/

2.解压
tar zxvf mahout-distribution-0.4.tar.gz

3.算法列表
./bin/mahout -h
显示出当前mahout支持的所有算法



聚类Clustering
Clustering of synthetic control data
Pre-Prep
1)下载输入数据，点 这里
由60行60列组成

_time	_time+x	_time+2x	..	_time+60x
28.7812	34.4632	31.3381	..	31.2834
24.8923	25.741	27.5532	..	32.8217

..
..

35.5351	41.7067	39.1705	48.3964	..	38.6103
24.2104	41.7679	45.2228	43.7762	..	48.8175

..
..
2）启动hadoop
$HADOOP_HOME/bin/start-all.sh

3）将数据上传到hadoop
$HADOOP_HOME/bin/hadoop fs -mkdir testdata
$HADOOP_HOME/bin/hadoop fs -put <PATH TO synthetic_control.data> testdata
创建测试目录testdata，并把数据导入到这个tastdata目录中（这里的目录的名字只能是testdata）

Perform Clustering
a.For canopy :

$MAHOUT_HOME/bin/mahout org.apache.mahout.clustering.syntheticcontrol.canopy.Job

b.For kmeans :

$MAHOUT_HOME/bin/mahout org.apache.mahout.clustering.syntheticcontrol.kmeans.Job 

c.For fuzzykmeans :

$MAHOUT_HOME/bin/mahout org.apache.mahout.clustering.syntheticcontrol.fuzzykmeans.Job 

d.For dirichlet :

$MAHOUT_HOME/bin/mahout org.apache.mahout.clustering.syntheticcontrol.dirichlet.Job 

e.For meanshift :

$MAHOUT_HOME/bin/mahout org.apache.mahout.clustering.syntheticcontrol.meanshift.Job 

也可以直接在hadoop环境下运行

hadoop jar mahout-examples-0.4-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

Read / Analyze Output
1)查看所有输出文件

hadoop fs -lsr output 

2）下载到本地

hadoop fs -get output $MAHOUT_HOME/examples

转入output目录下，

$cd MAHOUT_HOME/examples/output
$ls   

如果看到以下结果，那么算法运行成功，你的安装也就成功了：
clusteredPoints  clusters-1   clusters-2  clusters-4  clusters-6  clusters-8  data
clusters-0       clusters-10  clusters-3  clusters-5  clusters-7  clusters-9
3）单个的集群结果在output/clusters-i
4）所有集群汇总结果在output/clusteredPoints

结果是sequence格式的。如果直接在hdfs上查看，使用

 ./bin/mahout vectordump --seqFile output/data/part-m-00000