谱聚类算法的原理
在分析快速迭代聚类之前，我们先来了解一下谱聚类算法。谱聚类算法是建立在谱图理论的基础上的算法，与传统的聚类算法相比，它能在任意形状的样本空间上聚类且能够收敛到全局最优解。 谱聚类算法的主要思想是将聚类问题转换为无向图的划分问题。
流式`k-means`算法
当数据是以流的方式到达的时候，我们可能想动态的估计（estimate）聚类的簇，通过新的到达的数据来更新聚类。spark.mllib支持流式k-means聚类，并且可以通过参数控制估计衰减（decay）(或“健忘”(forgetfulness))。 这个算法使用一般地小批量更新规则来更新簇。
k-means、k-means++以及k-means算法分析
本文会介绍一般的k-means算法、k-means++算法以及基于k-means++算法的k-means||算法。在spark ml，已经实现了k-means算法以及k-means||算法。 本文首先会介绍这三个算法的原理，然后在了解原理的基础上分析spark中的实现代码。
特征值分解
假设向量v是方阵A的特征向量，可以表示成下面的形式：
lambda表示特征向量v所对应的特征值。并且一个矩阵的一组特征向量是一组正交向量。特征值分解是将一个矩阵分解为下面的形式：二分`k-means`算法
二分k-means算法是层次聚类（Hierarchical clustering）的一种，层次聚类是聚类分析中常用的方法。 层次聚类的策略一般有两种：
- 聚合。这是一种
自底向上的方法，每一个观察者初始化本身为一类，然后两两结合 - 分裂。这是一种
自顶向下的方法，所有观察者初始化为一类，然后递归地分裂它们
二分k-means算法是分裂法的一种。
随机森林
Bagging
Bagging采用自助采样法(bootstrap sampling)采样数据。给定包含m个样本的数据集，我们先随机取出一个样本放入采样集中，再把该样本放回初始数据集，使得下次采样时，样本仍可能被选中， 这样，经过m次随机采样操作，我们得到包含m个样本的采样集。
带权最小二乘
原理
给定n个带权的观察样本\((w_i,a_i,b_i)\):
- \(w_i\)表示第i个观察样本的权重；
- \(a_i\)表示第i个观察样本的特征向量；
- \(b_i\)表示第i个观察样本的标签。