基于HierarchicalClusterer聚类分析的信息获取

Weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。本次实验要求学生熟悉Weka平台，学习并掌握HierarchicalClusterer（层次聚类）算法，利用Weka和不同参数设置进行聚类分析，对比结果，得出结论，对问题进行总结。

1打开Weka3.8并导入数据

双击Weka图标，打开软件，在初始界面中点击“Explorer”，打开Weka自带的数据集的“iris.arff”（150条实例数据）。

点击“Open file”选项，查找根目录位置“/opt/weka/data”，查找到Weka目录下的“data”文件夹，找到其中的“iris.arff”文件，点击右下角的打开选项。

打开数据集后，界面出现该数据集的相关描述，比如：可以观察得到共有5个不同的属性，包括“sepallength”、“sepalwidth”、“petallength”、“petalwidth”和“class”，共有150条实例数据，每类数据各占多少在右下角窗口的柱状图中看到。

2HierarchicalClusterer算法聚类操作步骤

切换到“Cluster”，点击“Choose”按钮，选择目录下的“HierarchicalClusterer”，这是WEKA中实现层次聚类的算法。

点击“Choose”旁边的文本框，修改“numClusters”为3，说明我们希望把这150条实例聚成3类，即K=3，点击OK。

选中“Cluster Mode”的“Use training set”（使用训练集），选择“Store clusters for visualization”（存储聚类可视化），点击“Start”按钮。

3运行观察结果

3.1观察聚类输出结果分析

点击“Start”按钮之后，观察右边窗口“Clusterer output”给出的聚类结果。也可以在左下角“Result list”中这次产生的结果上点右键，选择“View in separate window”，然后在新窗口中浏览结果，结果中的“Cluster centroids”之后列出了各个簇中心的位置。如下图所示：

可以观察得到，最终聚类实例分为3类，分别为0，1，2，对应的每一类实例所占比重也在后面有标注。例如第一类共有50条数据实例，占总数据的33%。

3.2可视化聚类结果

为了观察可视化的聚类结果，我们在左下方“Result list”列出的结果上右击，点“ Visualize cluster assignments”。

弹出的窗口给出了 各实例的散点图。最上方的两个框是选择横坐标和纵坐标，第二行的“color”是散点图着色的依据，默认是根据不同的簇“Cluster”给实例标上不同的颜色。可以在这里点“Save”把聚类结果保存成ARFF文件。

退出weka软件，完成实验。