KMeansCluster:k-means算法的java实现。它使用球树作为内部数据结构来加速计算。它使用2范数距离来计算实例之...

k-means算法的java实现。它使用球树作为内部数据结构来加速计算。它使用2-范数距离来计算实例之间的相似度。 输入数据集应该有一定的形式：一行一个实例，并且相邻的特征应该被空间分割。 如果您可以更改球树中叶节点的最大实例数或运行算法的次数以找到特定 k 的更好集群，请更改 KMeansCluster 中的 conf.properties 文件。 您可以使用的功能： 在过程类中： //给出数据集的路径，此函数将构建内部数据结构。 public static void loadData(String path) 抛出 IOException； /** * @param k 初始聚类中心数 @return an entry:key是聚类的结果，label从0开始，value是聚类结果的评估 */ public static Entry<Integer> clu