Weka 简明教程

Weka - Clustering

群集算法将在整个数据集内找到一组相似实例。WEKA 支持多种群集算法，例如 EM、FilteredClusterer、HierarchicalClusterer、SimpleKMeans 等。你应当完全理解这些算法，以便充分利用 WEKA 的功能。

如同在分类的情况下，通过 WEKA 能够以图形方式可视化检测到的群集。为了演示群集，我们将使用提供的 iris 数据库。数据集包含三类，每类有 50 个实例。每类表示一种类型的 iris 植物。

Loading Data

在 WEKA 浏览器中，选择 Preprocess 选项卡。点击 Open file …​ 选项并在文件选择对话框中选择 iris.arff 文件。当你加载数据时，屏幕看起来如下图所示 −

screen looks

你可以观察到有 150 个实例和 5 个属性。属性的名称列为 sepallength 、 sepalwidth 、 petallength 、 petalwidth 和 class 。前四个属性为数字类型，而类为具有 3 个不同值的公称类型。检查每个属性以了解数据库的特性。我们不会针对此数据进行任何预处理，直接进入模型构建。

Clustering

点击 Cluster 选项卡，将群集算法应用到我们加载的数据。点击 Choose 按钮。你会看到下面的屏幕 −

cluster tab

现在，选择 EM 作为群集算法。在 Cluster mode 子窗口中，选择 Classes to clusters evaluation 选项，如下图所示 −

clustering algorithm

点击 Start 按钮处理数据。片刻之后，结果将显示在屏幕上。

接下来，让我们研究一下结果。

Examining Output

数据处理的输出如下图所示 −

examining output

从输出屏幕中，你可以观察到 −

  1. 在数据库中检测到了 5 个群集实例。

  2. Cluster 0 表示 setosa， Cluster 1 表示 virginica， Cluster 2 表示 versicolor，而后两个群集没有任何与其关联的类。

如果你向上滚动输出窗口，你还可以看到一些统计信息，为各个检测到的群集中各个属性的平均值和标准差。这在下图的屏幕截图中显示 −

detected clusters

接下来，我们将查看群集的视觉表示。

Visualizing Clusters

为了可视化群集，右键点击 EM 中的 Result list 的结果。你会看到以下选项 −

clusters result list

选择 Visualize cluster assignments 。你会看到以下输出 −

cluster assignments

如同在分类的情况下，你会注意到正确和错误识别实例之间的区别。你可以通过改变 X 轴和 Y 轴来分析结果。你可以使用抖动，如同在分类的情况一样，来确定正确识别实例的浓度。可视化图的运算类似于你在分类的情况下所学习的运算。

Applying Hierarchical Clusterer

为了演示 WEKA 的功能，我们现在来看另一种聚类算法的应用。在 WEKA explorer 中，选择 HierarchicalClusterer 作为您的 ML 算法，如下面的屏幕截图所示 −

hierarchical clusterer

选择 Cluster mode 选择以 Classes to cluster evaluation ，然后单击 Start 按钮。您将看到以下输出 −

cluster evaluation

请注意，在 Result list 中，有两个列出的结果：第一个是 EM 结果，第二个是当前 Hierarchical。同样，您可以将多个 ML 算法应用到同一数据集，并快速比较其结果。

如果您检查此算法生成的树，您将看到以下输出 −

examine algorithm

在下一章中，您将学习 Associate 类型的 ML 算法。