PowerIterationClusteringModel???
-
类
pyspark.mllib.clustering.PowerIterationClusteringModel高山市 Java模型:py4j.java_gateway.JavaObject ) ??? -
实例
>>>导入数学类>>>def环形高山市R,N级:.点名=家常便饭.For一内范围划分高山市0,N级:.西塔市=2.0*数学类.Pi语言*一/N级.点名.附加件(()R*数学类.公元前高山市西塔市)R*数学类.罪恶感高山市西塔市)).返回点名>>>defsim系统高山市X级,y市:.磁盘2=高山市X级[0万事通-y市[0)*高山市X级[0万事通-y市[0)+高山市X级[一号万事通-y市[一号)*高山市X级[一号万事通-y市[一号).返回数学类.表达式高山市-磁盘2/2.0)>>>r1=1.0>>>N1=10>>>r2=4.0>>>N2=40码>>>N级=N1+N2>>>点名=环形高山市r1,N1)+环形高山市r2,N2)>>>相似点=[(c)项一,j大全,sim系统高山市点名[一万事通点名[j大全)For一内范围划分高山市一号,N级)Forj大全内范围划分高山市0,一南都市>>>dd=sc.并行化高山市相似点,2)>>>模型化=PowerIterationClustering.火车高山市dd,2,40码)>>>模型化.k2>>>结果=排序高山市模型化.任务分配(b).集合(b),密钥=羊圈X级:X级.标识符)>>>结果[0万事通.集群汉城结果[一号万事通.集群汉城结果[2万事通.集群汉城结果[3万事通.集群真实性>>>结果[4万事通.集群汉城结果[5万事通.集群汉城结果[6万事通.集群汉城结果[7万事通.集群真实性>>>导入ss系统,时间文件>>>路径选择=时间文件.mkdtemp(b)>>>模型化.保存高山市sc,路径选择)>>>相同模式=PowerIterationClusteringModel.负载高山市sc,路径选择)>>>相同模式.k2>>>结果=排序高山市模型化.任务分配(b).集合(b),密钥=羊圈X级:X级.标识符)>>>结果[0万事通.集群汉城结果[一号万事通.集群汉城结果[2万事通.集群汉城结果[3万事通.集群真实性>>>结果[4万事通.集群汉城结果[5万事通.集群汉城结果[6万事通.集群汉城结果[7万事通.集群真实性>>>发自shutil导入rmtree>>>试一试:.rmtree高山市路径选择).除OSERROR:.通路
方法论
任务分配(b)返回集群分配模式
调用名称aJava模型调用法
负载sc路径从给定路径加载模型
保存sc路径保存模型到给定路径
属性化
返回集群数
方法文档
-
任务分配高山市 )spark.rdd.RDD [pyspark.mllib.clustering.PowerIterationClustering.Assignment 万事通 ??? -
返回集群分配模式
-
调用高山市 名称:字符串, *a/:任选 )....... ??? -
Java模型调用法
-
类方法
负载高山市 sc:pyspark.context.SparkContext, 路径选择:字符串 )→ pyspark.mllib.clustering.PowerIterationClusteringModel ??? -
从给定路径加载模型
-
保存高山市 sc:pyspark.context.SparkContext, 路径选择:字符串 )→ None ??? -
保存模型到给定路径
属性文档
-
k??? -
返回集群数
-