数据挖掘学习02 - 使用weka的kmeans聚类分析

本文目的

weka是一套使用java开发的数据挖掘工具集合，提供GUI/CLI界面和Java API使用方式。所以，在学习和解决数据挖掘问题时，可以先尝试用weka的GUI或CLI做出合适的分析，找到适当的算法，然后在将此算法集成到自己的项目中。最近在的项目中遇到了文本聚类的问题，kmeans是一种常见的聚类算法，这里先拿此算法和示例数据做一些实验，以便熟悉weka的界面操作。

什么是kmeans

数据集

weka定义了自己的数据集文件格式，以.arrf结尾，整体感觉就是一张表格，主要分为四个部分（如下图）：

<a href="http://images.cnblogs.com/cnblogs_com/bourneli/201210/20121015211147329.png"></a>

注释，comment

数据集名称，relation

属性，attribute，相当于列

数据，每行是一个实例，每一行中的每个字段用逗号隔开，字符串在引号中间，也可以是数字或枚举

获取并安装weka

执行Kmeans聚类操作

双击小图标，弹出如下对话框，

<a href="http://images.cnblogs.com/cnblogs_com/bourneli/201210/201210152111481800.png"></a>

选择“Explorer”，如果以后高级用户，可以选择最后的“Simple CLI”，直接命令行操作。

弹出如下对话框

<a href="http://images.cnblogs.com/cnblogs_com/bourneli/201210/201210152111492573.png"></a>

<a href="http://images.cnblogs.com/cnblogs_com/bourneli/201210/201210152111529734.png"></a>

现在，选取最上面的第三个tab“Cluster”,进入聚类分析主界面

<a href="http://images.cnblogs.com/cnblogs_com/bourneli/201210/201210152111542568.png"></a>

点击“Choose”按钮，选择聚类算法。这里先选择了SimpleKMeans，单机“Choose”旁边的输入框，可以设置算法参数

<a href="http://images.cnblogs.com/cnblogs_com/bourneli/201210/201210152111553582.png"></a>

这里需要将”numClusters”修改为一个合适的值，其他保留默认即可。

记下来，点击开始，weka就开会帮你算出结果，结果会以文件的方式存储在Result List中，方便后面分析。右边是计算结果。

结果可视化

<a href="http://images.cnblogs.com/cnblogs_com/bourneli/201210/201210152111565369.png"></a>

Explorer主界面最上面最后一个tab是数据结果可视化，目前只能支持2纬可视化，所以个人觉得比较鸡肋，因为一般数据纬度都为大于2纬。

具体如何使用可视化，可以参见最后的链接。

以上就是利用weka进行kmeans聚类操作的过程。

参考资料

<a href="http://maya.cs.depaul.edu/classes/ect584/weka/k-means.html">http://maya.cs.depaul.edu/classes/ect584/weka/k-means.html</a>

<b>声明：如有转载本博文章，请注明出处。您的支持是我的动力！文章部分内容来自互联网，本人不负任何法律责任。</b>

本文转自bourneli博客园博客，原文链接：http://www.cnblogs.com/bourneli/archive/2012/10/15/2725019.html，如需转载请自行联系原作者