原理：先設定兩個先驗值r1，r2，我把他們理解為內圈外圈，大家可以跟我學。將所有樣本放入乙個列表，隨機選乙個樣本拿出來作為第乙個簇的簇中心點，然後從列表中剩下的所有樣本中隨機抽取乙個,，計算其與簇中心點的距離。
如果大於外圈r1，則不屬於此簇，而是拿出去單獨成為一簇，並作為簇中心點，從列表中刪除此樣本
如果大於內圈r2，且小於外圈r1，則屬於此簇，放入簇中。
如果小於內圈r2，哎呀，了不得呀！這傢伙和簇中心點很是親近吶，這麼親近，當然要更新一下簇中心點以示尊敬了。把這個點和簇中心點相加取均值作為此簇新的簇中心點。從列表中刪除此樣本
直到列表中沒有樣本為止
canopy演算法得到的最終結果的值，聚簇之間是可能存在重疊的，但是不會
存在某個物件不屬於任何聚簇的
應用場景：
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演算法實戰總結
通過canopy演算法實戰了解了mapreduce的coding套路，job input output format map reduce configuration等的設定，檔案序列化和反序列化sequencefile 理解文章要感謝mahout 原始碼解析之聚類 canopy演算法 下面大概說收...
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...