Java机器学习库（Java ML）（二、聚类）

本文章翻译至Java ML技术文档clustering.pdf，代码部分是参考该文档使用IDEA编写，同时加入了运行结果。

聚类

本章将提供有关聚类算法，聚类评估措施以及与聚类数据相关的其他文档。

我们假设您已熟悉Java ML的基础知识，如入门教程中所述（http://java-ml.sourceforge.net）。数据集下载地址：https://download.csdn.net/download/dbzzcz/12274719

聚类基础知识

聚类算法创建原始数据集的划分。在Java-ML中，这是通过Clusterer接口聚类完成的。

创建并运行聚类算法

上面的代码将加载示例iris数据集。接下来，它创建K-means的一个实例，并使用它对数据进行聚类。结果以数据集数组的形式返回，其中每个数据集代表一个聚类。请注意，不能保证所有原始实例都将出现在聚类中，或者每个instance只出现一次。有些算法允许重叠的群集，有些算法允许删除“嘈杂”的数据点。这是特定于算法的，您可以在API页面上找到每种算法的更多信息。

聚类评估

Java-ML的net.sf.javaml.clustering.evaluation软件包中提供了大量聚类评估措施。所有分数都是衡量聚类质量的指标，即聚类反映数据属性的程度。通常，他们尝试通过聚类算法量化数据在逻辑单元中的分离程度。所有分数均实现了double score（Dataset [] clusters）方法。此方法返回从聚类算法返回的数据集数组的分数。下面的代码段中说明了典型用法。

Weka聚类

可以通过WekeClustererbridge在Java-ML中访问来自Weka的聚类算法。这个类使在Java-ML中使用来自Weka的聚类算法变得容易。

在下面的示例中，我们加载虹膜数据集，我们从Weka（XMeans）创建一个聚类器，将其包装在桥中并使用桥来完成聚类。

参考网站：http://java-ml.sourceforge.net/content/clustering-basics