1、将.xls文件转化为.arff格式
(1)首先,将.xls文件另存为.csv格式,然后使用weka explorer的预处理面板(preprocess),导入.csv文件
![](https://i-blog.csdnimg.cn/blog_migrate/7bb189cce96cf07a0dcef66b2c74dbdb.png)
首先,在weka的安装包里,将RunWeka.ini里面的编码格式改为UTF-8,避免出现中文乱码
(2)打开.csv文件时提示如下错误
错误一,.csv文件中存在特殊字符('),替换它
![](https://i-blog.csdnimg.cn/blog_migrate/d3d35de38effc7aff765cfeafce7839a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/fec81ed096ca31088a20f8a9d2d79d84.png)
错误二,.csv文件中自动换行,删除自动换行,并取消单元格里的换行
![](https://i-blog.csdnimg.cn/blog_migrate/790515fc7128951776f2d94703760b7c.png)
![](https://i-blog.csdnimg.cn/blog_migrate/5b3c8893d67929d244607ee08fe4c61e.png)
![](https://i-blog.csdnimg.cn/blog_migrate/38aaa95496b6300975a77c43bad763e9.png)
错误三,若提示错误,修改特殊字符也没有,也无换行表现,则将上一行单元格内容复制过来,再手动还原该单元格内容即可
导入成功如下所示
![](https://i-blog.csdnimg.cn/blog_migrate/55a5b2bcf860114ab887af87ea12128c.png)
(3)将.csv格式转化为.arff格式
![](https://i-blog.csdnimg.cn/blog_migrate/70f6eb3d7b932484337ce11da00e6272.png)
![](https://i-blog.csdnimg.cn/blog_migrate/a97337782e6d62367ab7d79506c827ed.png)
2、进行聚类分析
(1)打开.arff文件
![](https://i-blog.csdnimg.cn/blog_migrate/e964e4f53e0c3b31131c9b3f4603cbf7.png)
(2)切换到“Cluster”,点击“choose”按钮选择“SimpleKMeans"。(K均值算法)
![](https://i-blog.csdnimg.cn/blog_migrate/ada586a1dde0f57d2a0d8c33aa8e3819.png)
(3)点击上面的文本框,将numClusters修改为16(我们把这16102条实例聚成16类),seed参数是要设一个随机种子,依次产生一个随机数,用来得到k均值算法中第k个簇中心的位置。(seed值不同,所算的误差平方和的结果不同)
![](https://i-blog.csdnimg.cn/blog_migrate/025d1cf8166e672f70c4a3c0c37ec58a.png)
(4)选中Cluster Mode的Use training set,选中Store clusters for visualization(存储聚类可视化),点击start按钮
![](https://i-blog.csdnimg.cn/blog_migrate/abc5fa9f27f55c90db69e6a3f8cfeefa.png)
可在左下角的Result list下产生的结果上右键,在新窗口中浏览结果。
![](https://i-blog.csdnimg.cn/blog_migrate/d3ace16bb609fdbdbe302f4edff8314d.png)
3、结果分析
(1)误差平方和: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
![](https://i-blog.csdnimg.cn/blog_migrate/b8298e7240899b5958be92c859f4169e.png)
(2)列出了各个簇中心的位置。
![](https://i-blog.csdnimg.cn/blog_migrate/91f4afcaae65bd700c9d90f66a443332.png)
(3)各个簇中实例的数目及百分比
![](https://i-blog.csdnimg.cn/blog_migrate/f415a540c852aaface8c01344563b32b.png)
(4)可视化聚类结果,在Result list列出的结果下右击Visualize cluster assignments。
![](https://i-blog.csdnimg.cn/blog_migrate/657ad1f7eee90d741be1b7e9de7be93f.png)
![](https://i-blog.csdnimg.cn/blog_migrate/6d5b2d5775a5c05f7f568e3fb08a8edf.png)
(5)将聚类的结果保存为arff文件
![](https://i-blog.csdnimg.cn/blog_migrate/c0d0fbc82f6fb54b7aaa769222a2f993.png)
result.arff文件
![](https://i-blog.csdnimg.cn/blog_migrate/47cc60df728a0b8656b906dc8ea6100f.png)