Weka K 均值距离答案

【问题标题】：Weka K-means distanceWeka K 均值距离
【发布时间】：2015-06-02 17:28:45
【问题描述】：

我使用weka库来使用SimpleKMeans函数。

我的arff 文件是：

@relation digits

@attribute number numeric

@data
3.708699941635132
3.608700037002563
3.508699893951416
3.808700084686279
3.708699941635132
3.708699941635132
3.708699941635132
3.708699941635132
3.708699941635132
3.408699989318847
3.708699941635132

它是质心，我也有包含所有质心距离的距离矩阵（有特殊的计算距离，而不是简单的欧几里德距离）。如何在代码中传输距离矩阵？现在我训练这段代码：

package kmeanstest;

import java.io.BufferedReader;
import java.io.FileReader;
import weka.clusterers.SimpleKMeans;
import weka.core.Instances;

public class Kmeanstest {
    public Kmeanstest() throws Exception {
        BufferedReader breader = new BufferedReader(new FileReader("data.arff"));
        Instances Train = new Instances(breader);
        SimpleKMeans kMeans = new SimpleKMeans();
        kMeans.setSeed(10);
        kMeans.setPreserveInstancesOrder(true);
        kMeans.setNumClusters(3);
        kMeans.buildClusterer(Train);
        int[] assignments = kMeans.getAssignments();
        int i = 0;
        for (int clusterNum : assignments) {
            System.out.println("Instance " + i + " -> Cluster " + clusterNum);
            i++;
        }
        breader.close();
    }
    public static void main(String[] args) throws Exception {
        Kmeanstest kmeanstest = new Kmeanstest();
    }
}

【问题讨论】：

标签： java weka distance k-means

【解决方案1】：

在我的项目中，我比较了这些距离函数，得到了类似的结果。（在我的例子中，我有 40.000 个实例和 10 个特征）。

但是，如果您使用 2 个以上的特征，则最好创建自己的距离函数（例如，汉密尔顿距离。我坚信它会产生更好的结果）。

ManhattanDistance manhattan = new ManhattanDistance();
    try {
        kmeans.setDistanceFunction(manhattan);
    } catch (Exception e2) {
        // TODO Auto-generated catch block
        e2.printStackTrace();
    }

【讨论】：