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. importjava.io.File;
3. importweka.clusterers.SimpleKMeans;
4. importweka.core.DistanceFunction;
5. importweka.core.Instances;
6. importweka.core.converters.ArffLoader;
9. publicclassTestKMeans{
11. publicstaticvoidmain(String[]args){
12. Instancesins=null;
14. SimpleKMeansKM=null;
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. DistanceFunctiondisFun=null;
20. try{
21. //读入样本数据
22. Filefile=newFile("D:\\ProgramFiles\\Weka-3-7\\data\\contact-lenses.arff");
23. ArffLoaderloader=newArffLoader();
24. loader.setFile(file);
25. ins=loader.getDataSet();
27. //初始化聚类器（加载算法）
28. KM=newSimpleKMeans();
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
32. //打印聚类结果
33. System.out.println(KM.toString());
34. //for(Stringoption:KM.getOptions()){
35. //System.out.println(option);
36. //}
37. //System.out.println("CentroIds:"+tempIns);
38. }catch(Exceptione){
39. e.printStackTrace();
40. }
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. EMem=null;
2. em=newEM();
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. *Setthenumberofclusters(-1toselectbyCV).
3. *
4. *@paramnthenumberofclusters
5. *@throwsExceptionifnis0
6. */
7. @Override
8. publicvoidsetNumClusters(intn)throwsException{
10. if(n==0){
11. thrownewException("Numberofclustersmustbe>0.(or-1to"
12. +"selectbycrossvalidation).");
13. }
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~