引用Weka学习二(聚类算法)参考.pdfVIP

引用 Weka 学习二 （聚类算法）智能信息处理 2010-07-11 22:06:40 阅读 18 评论 0 字号： 大中小 订阅 . 引用 其实 的 Weka 学习二（聚类算法） 上次我介绍了分类器的使用方法，这次我来介绍一下聚类算法。聚类算法在数据挖掘里面 被称之为无监督学习（ unsupervised learning），这是与分类算法（ 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）这个我会在后面的 文章中重点介绍。所谓无监督学习就是在预先不知道样本类别的情况下，由聚类算法来判 别样本的类别的一种学习方法。 聚类算法的一般过程分为： 1. 读入需预测样本 2. 初始化聚类算法（并设置参数） 3. 使用聚类算法对样本进行聚类 4. 打印聚类结果 我们来看下面的一个实例： 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: wangy * 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.读入样本 */ 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.printStack