2024年3月15日发(作者：)
基于Weka的数据聚类分析实验
姓名：覃丽萍 专业：计算机应用技术 学号：2061002047
1. 实验基本原理及目的
聚类分析中的“类”（cluster）和前面分类的“类”（class）是不同的，对cluster更加准
确的翻译应该是“簇”。聚类的任务是把所有的实例分配到若干的簇，使得同一个簇的实例
聚集在一个簇中心的周围，它们之间距离的比较近；而不同簇实例之间的距离比较远。对于
由数值型属性刻画的实例来说，这个距离通常指欧氏距离。
在本实验中，我们对前面的“bank-data”作聚类分析，使用最常见的K均值（K-means）
算法。下面我们简单描述一下K均值聚类的步骤。
K均值算法首先随机的指定K个簇中心。然后：
（1）将每个实例分配到距它最近的簇中心，得到K个簇；
（2）计分别计算各簇中所有实例的均值，把它们作为各簇新的簇中心。
重复（1）和（2），直到K个簇中心的位置都固定，簇的分配也固定。
本次实验的目的，是通过利用Weka中提供的simpleKmeans方法对“bank-data”进行
聚类分析，更深刻的理解k均值算法，并通过对实验结果进行观察分析，找出实验中所存在
的问题。
2. 数据的准备及预处理
原始数据“”是excel文件格式的数据，需要转换成Weka支持的ARFF文
件格式的。转换方法：在excel中打开“”，选择菜单文件—>另存为，在弹出的
对话框中，文件名输入“bank-data”，保存类型选择“CSV（逗号分隔）”，保存，我们便可
得到“”文件；然后，打开Weka的Exporler，点击Open file按钮，打开刚才
得到的“”文件，点击“save”按钮，在弹出的对话框中，文件名输入
“”，文件类型选择“Arff data files（*.arff）”，这样得到的数据文件为
“”。
K均值算法只能处理数值型的属性，遇到分类型的属性时要把它变为若干个取值0和1
的属性。WEKA将自动实施这个分类型到数值型的变换，而且WEKA会自动对数值型的数
据作标准化。因此，对于ARFF格式的原始数据“”，我们所做的预处理只是
删去属性“id”，修改属性“children”为分类型。 修改过程如下：在Ultredit中打开
“”，将@attribute children numeric改成如下：
1
图1 修改children为分类型
这样我们最终得到的数据文件为“”，含600条实例。
3. 实验过程及结果截图
用“Explorer”打开刚才得到的“”，并切换到“Cluster”。点“Choose”按
钮选择“SimpleKMeans”，这是WEKA中实现K均值的算法。点击旁边的文本框，修改
“numClusters”为6，说明我们希望把这600条实例聚成6类，即K=6。下面的“seed”参
数是要设置一个随机种子，依此产生一个随机数，用来得到K均值算法中第一次给出的K
个簇中心的位置。我们不妨暂时让它就为10。
选中“Cluster Mode”的“Use training set”，点击“Start”按钮，观察右边“Clusterer output”
给出的聚类结果如下：
2
发布者：admin，转转请注明出处：http://www.yc00.com/news/1710459287a1760399.html
评论列表（0条）