前幾天學習canopy演算法，看了上面的流程圖一直不懂，後來對整個流程模擬了一遍，並畫了個圖，才逐漸理解了，現將流程用自己的語言敘述一遍：
我們假設每個資料用小圓點來表示。在計算機中用list集合儲存。
canopy演算法首先選擇兩個距離閾值：t1和t2，其中t1 > t2
（1）原始狀態下的資料還沒有分類，所以從集合中取出一點p，將p作為第乙個類，我們也將類稱為canopy。
（2）繼續從集合中取點，比如p，計算p到已經產生的所有canopy的距離，如果到某個canopy的距離小於t1，則將p加入到該canopy；如果p到所有canopy中心的距離都大於t1，則將p作為乙個新canopy,如下圖中的q就是乙個新的canopy。
（3）如果p到該canopy距離小於t2，則表示p和該canopy已經足夠近，此時將p從從集合中刪除，避免重複加入到其他canopy。
（4）對集合中的點繼續執行上述操作直到集合為空，演算法結束，聚類完成。
canopy演算法流程 Canopy聚類演算法
一 概念 與傳統的聚類演算法 比如k means 不同，canopy聚類最大的特點是不需要事先指定k值 即clustering的個數 因此具有很大的實際應用價值。與其他聚類演算法相比，canopy聚類雖然精度較低，但其在速度上有很大優勢，因此可以使用canopy聚類先對資料進行 粗 聚類，得到k值後...
Canopy聚類演算法分析
canopy聚類演算法是可以並行執行的演算法，資料並行意味著可以多執行緒進行，加快聚類速度，開源ml庫mahout 使用。一 概念 與傳統的聚類演算法 比如 k means 不同，canopy 聚類最大的特點是不需要事先指定 k 值 即 clustering 的個數 因此具有很大的實際應用價值。與其...
Spark實現Canopy聚類演算法
為什麼需要canopy演算法 canopy演算法一般是為其他聚類演算法的一種聚類方法，常用的聚類如 k means 等聚類演算法都需要事先k值 即聚類個數 並且會隨機選擇k個初始聚類中心。這種實現指定的k和隨機初始化的聚類中心不僅會降低聚類演算法的效率，而且得到的結果也可能是區域性最優的。canop...