1回答

Wotchin

2019-05-18

当然有啦，kmeans的评价指标一般是Silhouette score(轮廓系数)，可以通过调用spark的评估类来实现：

val kmeans = new KMeans().setK(2).setSeed(1L)
val model = kmeans.fit(dataset)
// Make predictions
val predictions = model.transform(dataset)
// Evaluate clustering by computing Silhouette score
val evaluator = new ClusteringEvaluator()
val silhouette = evaluator.evaluate(predictions)
println(s"Silhouette with squared euclidean distance = $silhouette")

以上代码节选自：

"examples/src/main/scala/org/apache/spark/examples/ml/KMeansExample.scala"

除此之外，还可以度量一些距离，参考此处：

http://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.ml.evaluation.ClusteringEvaluator

0

2

Wotchin

回复

慕娘1225113

Spark目前只有LinearSVC，如果使用one class svm的话可以调用libsvm，这个库是有java接口的，且有ocsvm的功能，可以通过参数指定。 不过这样会把分布式计算引擎的优势埋没，这也是Spark没有实现分布式模式下的其他svm功能的退路。

2019-05-26

共2条回复