weka学习（聚类算法）

聚类算法在数据挖掘里面被称之为无监督学习（unsupervised learning），这是与监督学习（supervised learning）相对的。在它们两者之间还一种叫做半监督学习（semi-supervised learning）

聚类算法的一般过程分为：

1. 1.       读入需预测样本
2. 2.       初始化聚类算法（并设置参数）
3. 3.       使用聚类算法对样本进行聚类
4. 4.       打印聚类结果

实例：

package weka2;

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;

public class SimpleCluster {

    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.读入样本
            */
           File file= new File("D:\\work\\Weka-3-6\\data\\contact-lenses.arff");
           ArffLoader loader = new ArffLoader();
           loader.setFile(file);
           ins = loader.getDataSet();

           /*
            * 2.初始化聚类器
            * 在3.6版本可以通过setDistanceFunction(DistanceFunction df)
            * 函数设置聚类算法内部的距离计算方式
            * 而在3.5版本里面默认的采用了欧几里得距离
            */

           KM = new SimpleKMeans();       

           //设置聚类要得到的类别数量
           KM.setNumClusters(2);

           /*
            * 3.使用聚类算法对样本进行聚类
            */
           KM.buildClusterer(ins);          

           /*
            * 4.打印聚类结果
            */
           tempIns = KM.getClusterCentroids();
           System.out.println("CentroIds: " + tempIns);  

       }catch(Exception e){
           e.printStackTrace();
       }

    }

}

SimpleKMean是最简单的KMeans算法，因为聚类算法的核心是通过距离来得到类别（类间相异，类内相似），所以需要有一个计算距离的公式常见的就是欧几里得距离了。在3.5版本中weka没有考虑其它距离公式的情况，将SimpleKMean计算距离的方法默认为欧几里得距离。在3.6中就weka提供了setDistanceFunction(DistanceFunction df)的接口可以方便我们设置自己的距离计算方法。

本文摘要于：http://anqiang1900.blog.163.com/blog/static/11418886420093631322170/