Weka学习二（聚类算法）
http://liouwei20051000285.blog.163.com/blog/static/25236742009101610445275/
上次我介紹了分類器的使用方法，這次我來(lái)介紹一下聚類算法。聚類算法在數(shù)據(jù)挖掘里面被稱之為無(wú)監(jiān)督學(xué)習(xí)（unsupervised learning），這是與分類算法（supervised learning）相對(duì)的。在它們兩者之間還一種叫做半監(jiān)督學(xué)習(xí)（semi-supervised learning）這個(gè)我會(huì)在后面的文章中重點(diǎn)介紹。所謂無(wú)監(jiān)督學(xué)習(xí)就是在預(yù)先不知道樣本類別的情況下，由聚類算法來(lái)判別樣本的類別的一種學(xué)習(xí)方法。
聚類算法的一般過(guò)程分為：
1.?????? 讀入需預(yù)測(cè)樣本
2.?????? 初始化聚類算法（并設(shè)置參數(shù)）
3.?????? 使用聚類算法對(duì)樣本進(jìn)行聚類
4.?????? 打印聚類結(jié)果
我們來(lái)看下面的一個(gè)實(shí)例：
package com.csdn;
?
import java.io.File;
?
import weka.clusterers.SimpleKMeans;
import weka.core.DistanceFunction;
import weka.core.EuclideanDistance;
import weka.core.Instances;
import weka.core.converters.ArffLoader;
?
/*
?* Date: 2009.4.2
?* by: Wang Yi
?* Email: wangyi19840906@yahoo.com.cn
?* QQ: 270135367
?*
?*/
public class SimpleCluster {
?
??? /**
??? ?* @param args
??? ?*/
??? public static void main(String[] args) {
?????? // TODO Auto-generated method stub
?????? Instances ins = null;
?????? Instances tempIns = null;
??????
?????? SimpleKMeans KM = null;
?????? DistanceFunction disFun = null;
?????? try{
?????????? /*
?????????? ?* 1.讀入樣本
?????????? ?*/
?????????? File file= new File("C://Program Files//Weka-3-6//data//contact-lenses.arff");
?????????? ArffLoader loader = new ArffLoader();
?????????? loader.setFile(file);
?????????? ins = loader.getDataSet();
??????????
?????????? /*
?????????? ?* 2.初始化聚類器
?????????? ?* 在3.6版本可以通過(guò)setDistanceFunction(DistanceFunction df)
?????????? ?* 函數(shù)設(shè)置聚類算法內(nèi)部的距離計(jì)算方式
?????????? ?* 而在3.5版本里面默認(rèn)的采用了歐幾里得距離
?????????? ?*/
?????????? KM = new SimpleKMeans();???????
?????????? //設(shè)置聚類要得到的類別數(shù)量
?????????? KM.setNumClusters(2);
??????????
?????????? /*
?????????? ?* 3.使用聚類算法對(duì)樣本進(jìn)行聚類
?????????? ?*/
?????????? KM.buildClusterer(ins);
??????????
?????????? /*
?????????? ?* 4.打印聚類結(jié)果
?????????? ?*/
?????????? tempIns = KM.getClusterCentroids();
?????????? System.out.println("CentroIds: " + tempIns);
??????????
??????????
?????? }catch(Exception e){
?????????? e.printStackTrace();
?????? }
??? }
}
我們可以看到讀入樣本的過(guò)程是與上一節(jié)的一樣的方法。在構(gòu)建聚類器時(shí)也是通過(guò)現(xiàn)有的類來(lái)實(shí)現(xiàn)的。現(xiàn)在weka的聚類算法有11種之多，我所了解的也就是一兩種算法而已。SimpleKMean是最簡(jiǎn)單的KMeans算法，因?yàn)榫垲愃惴ǖ暮诵氖峭ㄟ^(guò)距離來(lái)得到類別（類間相異，類內(nèi)相似），所以需要有一個(gè)計(jì)算距離的公式常見(jiàn)的就是歐幾里得距離了。在3.5版本中weka沒(méi)有考慮其它距離公式的情況，將SimpleKMean計(jì)算距離的方法默認(rèn)為歐幾里得距離。在3.6中就weka提供了setDistanceFunction(DistanceFunction df)的接口可以方便我們?cè)O(shè)置自己的距離計(jì)算方法。
有一點(diǎn)要注意，在上面的聚類過(guò)程中，我們將樣本的類別屬性也放在里面了，這樣做是不符合常識(shí)的，因?yàn)闃颖绢悇e屬性包含了大量的類別信息，可以誘導(dǎo)聚類算法得到很好的效果。但是這與我們的初衷是相背離的，所以在聚類之前我們要記住刪除掉類別屬性。
在第四步打印聚類結(jié)果是一個(gè)很簡(jiǎn)單的信息，里面包括了聚類的幾個(gè)中心點(diǎn)。在我們寫(xiě)程序時(shí)，可以使用ClusterEvaluation類來(lái)打印更多的信息。
總結(jié)
以上是生活随笔為你收集整理的Weka学习二（聚类算法）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： Weka学习一（分类器算法）
- 下一篇： Weka学习三（ensemble算法）