Weka聚类算法的两个实现算法

在这里将使用Weka自带的K-means以及EM算法对同一份数据进行聚类。

目前使用的是自带的数据集。我也不太清楚这样聚类的效果如何 sigh...

 

Weka Version: 3.7.10

 

K-Means K-均值算法

Java代码  

1. import java.io.File;  
2.   
3. import weka.clusterers.SimpleKMeans;  
4. import weka.core.DistanceFunction;  
5. import weka.core.Instances;  
6. import weka.core.converters.ArffLoader;  
7.   
8.   
9. public class TestKMeans {  
10.       
11.     public static void main(String[] args) {  
12.         Instances ins = null;  
13.           
14.         SimpleKMeans KM = null;  
15.           
16.         // 目前没有使用到，但是在3.7.10的版本之中可以指定距离算法  
17.         // 默认是欧几里得距离  
18.         DistanceFunction disFun = null;  
19.           
20.         try {  
21.             // 读入样本数据  
22.             File file = new File("D:\\Program Files\\Weka-3-7\\data\\contact-lenses.arff");  
23.             ArffLoader loader = new ArffLoader();  
24.             loader.setFile(file);  
25.             ins = loader.getDataSet();  
26.               
27.             // 初始化聚类器 （加载算法）  
28.             KM = new SimpleKMeans();  
29.             KM.setNumClusters(2);       //设置聚类要得到的类别数量  
30.             KM.buildClusterer(ins);     //开始进行聚类  
31.               
32.             // 打印聚类结果  
33.             System.out.println(KM.toString());  
34. //          for(String option : KM.getOptions()) {  
35. //              System.out.println(option);  
36. //          }  
37. //          System.out.println("CentroIds:" + tempIns);  
38.         } catch(Exception e) {  
39.             e.printStackTrace();  
40.         }  
41.           
42.     }  
43. }  

 

在上面的算法之中，使用的是SimpleKMeans这个类。

 

使用EM算法的方法几乎一样，唯一的不同就是在设置类数目的时候可以设置成-1. 如下：

Java代码  

1. EM em = null;  
2. em = new EM();  
3. // 使用交叉验证自动选择聚类数目  
4. em.setNumClusters(-1);  
5. em.setMaxIterations(100);  
6. em.buildClusterer(ins);  

 

具体可以看源码：

Java代码  

1. /** 
2.    * Set the number of clusters (-1 to select by CV). 
3.    *  
4.    * @param n the number of clusters 
5.    * @throws Exception if n is 0 
6.    */  
7.   @Override  
8.   public void setNumClusters(int n) throws Exception {  
9.   
10.     if (n == 0) {  
11.       throw new Exception("Number of clusters must be > 0. (or -1 to "  
12.           + "select by cross validation).");  
13.     }  
14.   
15.     if (n < 0) {  
16.       m_num_clusters = -1;  
17.       m_initialNumClusters = -1;  
18.     } else {  
19.       m_num_clusters = n;  
20.       m_initialNumClusters = n;  
21.     }  
22.   }  

 

关于EM 以及K-Means的具体描述，请自行百度吧~