本文介绍了如何使用Java库Weka进行KMeans聚类分析。首先解释了KMeans算法的基本原理，接着展示了Weka的数据集格式，并提供了获取和安装Weka的步骤。在Weka的Explorer界面中，导入数据集并选择SimpleKMeans算法进行聚类，调整参数后执行聚类操作。虽然结果可视化在高维数据中有限，但文章提供了基本的操作流程。
本文目的
weka是一套使用java开发的数据挖掘工具集合，提供GUI/CLI界面和Java API使用方式。所以，在学习和解决数据挖掘问题时，可以先尝试用weka的GUI或CLI做出合适的分析，找到适当的算法，然后在将此算法集成到自己的项目中。最近在的项目中遇到了文本聚类的问题，kmeans是一种常见的聚类算法，这里先拿此算法和示例数据做一些实验，以便熟悉weka的界面操作。
什么是kmeans
详细的描述，参见这里。通俗的解释，就是将K个点，称为中心点(K需要预先给出)，随机的放到数据集中，然后针对数据集中的每个点计算与这K个中心点的距离，找到每个点最近的中心点。然后更新这K个中心点，使每个中心点是最近的点的平均中心点。如此循环，直到这K个点的位置不能再移动，得到K个聚类。
数据集
weka定义了自己的数据集文件格式，以.arrf结尾，整体感觉就是一张表格，主要分为四个部分(如下图)：
注释，comment
数据集名称，relation
属性，attribute，相当于列
数据，每行是一个实例，每一行中的每个字段用逗号隔开，字符串在引号中间，也可以是数字或枚举
获取并安装weka
到官网上获取weka
最低0.47元/天 解锁文章
458
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
