大数据的聚类
⑴ 聚类分析能不能对大数据进行分类
可以
聚类分析本身也被列到属于数据挖掘的一种方法，是属于无监督学习的类型
⑵ 大数据量聚类 Kmeans 出问题怎么办
数据量太大的时候来 不适自合用系统聚类法 一个就是你遇到的问题 无法判断，另一个就是该方法聚类的结果不是一种情况，你可以根据自己的专业进行适当的选择归类，比较有难度如果你的变量类型都是连续性的数据 可以直接采用k-mean法 指定聚类的类别进行如果你的变量类型既有分类 又有连续性的，则采用 两阶段法聚类，这种方法会自动推荐出聚类的个数，而且应用非常广泛，结果直观
⑶ 大数据进行kmeans聚类在hadoop2上怎么实现
map中根据选定的聚类点对整体数据进行分簇，rece中找出一个簇中的中心点，就完成了kmeans的类聚
⑷ 在大数据量时,K-means算法和层次聚类算法谁更有优势为什么
这个抄问题其实是无解的，数据不同，算法的分类效果、实际运行时间也是不同。
若单从运算速度而言，k-means比层次更快。
原因是K-means是找中心，然后计算距离；层次是逐个样本逐层合并，层次的算法复杂度更高。
更重要的是，在大数量下，K-means算法和层次聚类算法的分类效果真的只能用见仁见智来形容了。
⑸ 大数据的获取是怎样的，老师让我做一个大数据的聚类分析，我没什么头绪，请指教，谢谢~
你可以对2013-1014全国各城市人均GDP排名来个分析，具体数据就放在附件了，分析一下发展趋势等等。希望对你有用。
⑹ 在大数据量时，K-means算法和层次聚类算法谁更有优势
这个问题其实是无解的，数据不同，算法的分类效果、实际运行时间也是不同。
若单从运算速度而言，k-means比层次更快。
原因是K-means是找中心，然后计算距离；层次是逐个样本逐层合并，层次的算法复杂度更高。
更重要的是，在大数量下，K-means算法和层次聚类算法的分类效果真的只能用见仁见智来形容了。
⑺ k-means聚类可用于大数据挖掘吗
聚类分析作为数据挖掘技术中的一种分析工具，近几十年来一直受到广泛的关注，并且已在数据挖掘、图像分割、模式识别、信息检索、计算机视觉等诸多方面有广泛的应用和研究。
⑻ 如何对大数据聚类分析
不是有很多的模型吗？python里面封装了很多方法，聚类的话有经典的k-mean方法。可以直接使用，然后分析即可。你要是有数据的话，我这边可以给你分析一下
⑼ 什么样的大数据集适合聚类分类分析
聚类分析的主要应用：
商业
聚类分析被用来发现不同的客户群，并且通过购买模式刻画不同的客户群的特征。聚类分析是细分市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。
生物
聚类分析被用来动植物分类和对基因进行分类，获取对种群固有结构的认识
地理
聚类能够帮助在地球中被观察的数据库商趋于的相似性
保险行业
聚类分析通过一个高的平均消费来鉴定汽车保险单持有者的分组，同时根据住宅类型，价值，地理位置来鉴定一个城市的房产分组
因特网
聚类分析被用来在网上进行文档归类来修复信息
电子商务
聚类分析在电子商务中网站建设数据挖掘中也是很重要的一个方面，通过分组聚类出具有相似浏览行为的客户，并分析客户的共同特征，可以更好的帮助电子商务的用户了解自己的客户，向客户提供更合适的服务。
⑽ 用于数据挖掘的聚类算法有哪些，各有何优势
K均值聚类：最适合处理大数据，适用于大样本的个案聚类，分类数明确，适用于连续性变量；
系统聚类：适用于个案或变量聚类，对分类数没有要求，连续性和分类型变量均适用；
两步聚类：1）分类变量和连续变量均可参与二阶聚类；2）可自动确定分类数；3）适用于大数据集；4）用户可自己定制用于运算的内存容量