我目前正在尝试将大量数据点聚类到指定数量的簇中，并想尝试使用MOA基于流的k-means聚类方法StreamKM。使用随机数据进行的一个非常简单的示例如下所示：

StreamKM streamKM = new StreamKM();streamKM.numClustersOption.setValue(5); // 默认设置streamKM.widthOption.setValue(100000); // 默认设置streamKM.prepareForUse();for (int i = 0; i < 150000; i++) {    streamKM.trainOnInstanceImpl(randomInstance(2));}Clustering result = streamKM.getClusteringResult();System.out.println("size = " + result.size());System.out.println("dimension = " + result.dimension());

随机实例的创建方式如下：

static DenseInstance randomInstance(int size) {    DenseInstance instance = new DenseInstance(size);    for (int idx = 0; idx < size; idx++) {        instance.setValue(idx, Math.random());    }    return instance;}

然而，运行给定的代码时，似乎没有创建任何簇：

System.out.println("size = " + result.size()); // size = 0System.out.println("dimension = " + result.dimension()); // NPE

是否还有其他需要注意的地方，或者我对MOA聚类概念有根本性的误解？

回答：

我认为prepareForUse()方法并不是初始化算法的正确方法。

你应该使用streamKM.resetLearning();来代替streamKM.prepareForUse();。

简而言之，你的代码应该如下所示：

StreamKM streamKM = new StreamKM();streamKM.numClustersOption.setValue(5); // 默认设置streamKM.widthOption.setValue(100000); // 默认设置streamKM.resetLearning(); // 更新后的代码行 !!!for (int i = 0; i < 150000; i++) {    streamKM.trainOnInstanceImpl(randomInstance(2));}Clustering result = streamKM.getClusteringResult();System.out.println("size = " + result.size());System.out.println("dimension = " + result.dimension());