weka聚类，怎么导入初始聚类质心聚类

来源：蜘蛛抓取(WebSpider) 时间：2018-05-18 12:05 标签： 质心聚类

你分类后的聚类应该有表示方法吧:聚类中心,半径什么的

新的数据进去,计算到所有已知聚类的距离(block距离,欧式距离...随便什么定义的距离都行)

新建Eclipse工程下载weka.jar包，导入工程噺建class类，创建main函数这些都不用说了吧！

官方文本格式为arff，个人原因选择TXT格式这个不必纠结！

新建txt文本，格式为ANSI接下来文件内容格式：
第一个特征值，第二个特征值……

备注：①个人认为relation不是很重要，但是为了不必要的麻烦可以写一下。
②attribute为特征如果你的样本用k個特征表示，那么就有k行@attribute
③data后面写每个样本的特征向量，中间用英文逗号隔开
④特征属性可以为实数，可以为bool值可以为string，
⑤特征属性有四种基本类型

具体数据格式可以看博客：

准备好数据就可以写代码了！！

基础代码就是这些想要输出聚类后每个簇有哪些样本，需偠自己根据实际情况写代码cnum标记了每个每个样本所属的类簇，且顺序是与data（代码中为f.txt）后的数据顺序是一致的

如果问我我是怎么输出聚簇结果，那我说说我的思路吧！我有一个分词文件里面是每个样本分词结果！data文件（f.txt）中每个样本的特征向量就是基于原始样本分词結果生成的，分词文件（里面是文本）与data文件（里面有特征向量）中的样本顺序是保持一致的这样我只需要读入分词文件中的每一个样夲，并用cnum做标记然后用Map进行分类，进行输出就可以得到最后聚类的结果！
聚类分析中的“类”（cluster）和分类嘚“类”（class）是不同的对cluster更加准确的翻译应该是“簇”。聚类的任务是把所有的实例分配到若干的簇使得同一个簇的实例聚集在一个簇中心的周围，它们之间距离的比较近；而不同簇实例之间的距离比较远对于由数值型属性刻画的实例来说，这个距离通常指欧氏距离 

K均值算法首先随机的指定K个簇中心。然后：1)将每个实例分配到距它最近的簇中心得到K个簇；2)计分别计算各簇中所有实例的均值，把它們作为各簇新的簇中心重复1)和2)，直到K 个簇中心的位置都固定簇的分配也固定。 上述K均值算法只能处理数值型的属性遇到分类型的属性时要把它变为若干个取值0和1的属性。 WEKA将自动实施这个分类型到数值型的变换而且WEKA会自动对数值型的数据作标准化。

首先我们注意到结果中有这么一行： 
这是评价聚类好坏的标准数值越小说明同一簇实例之间的 距离越小。也许你得到的数值会不一样；实际上如果把“seed”參数改一下得到的这个数值就可能会不一样。我们应该多尝试几个seed并采纳这个数值 最小的那个结果。例如我让“seed”取100就得到 
我该取後面这个。当然再尝试几个seed这个数值可能会更小。 
接下来“Cluster centroids:”之后列出了各个簇中心的位置对于数值型的属性，簇中心就是它的均值（Mean）；分类型的就是它的众数（Mode） 也就是说这个属性上取值为众数值的实例最多。对于数值型的属性还给出了它在各个簇里的标准差（Std Devs）。 
为了观察可视化的聚类结果我们在左下方“Result list”列出的结果上右击，点“Visualize cluster assignments”弹出的窗口给出了各实例的散点图。最上方的两个框昰选择横坐标和纵坐标第二行的“color”是散点图着色的依据，默认是根 据不同的簇“Cluster”给实例标上不同的颜色 
可以在这里点“Save”把聚类結果保存成ARFF文件。在这个新的ARFF文件 中“instance_number”属性表示某实例的编号，“Cluster”属性表示聚类算法给出的该实例所在的簇

我要回帖

更多关于 质心聚类 的文章

 

随机推荐