在 Weka 中获取集群分配答案

【问题标题】：Get cluster assignments in Weka在 Weka 中获取集群分配
【发布时间】：2014-07-15 09:15:24
【问题描述】：

我有一个 CSV 文件如下：

id,at1,at2,at3
1072,0.5,0.2,0.7
1092,0.2,0.5,0.7
...

我已经将它加载到 Weka 中进行聚类：

DataSource source = new DataSource("test.csv");
Instances data = source.getDataSet();
kmeans.buildClusterer(data);

问题 #1：如何将第一列设置为 ID？ IE。出于聚类目的而忽略第一列。

然后我尝试打印出作业：

int[] assignments = kmeans.getAssignments();
int i = 0;
for (int clusterNum : assignments) {
    System.out.printf("Instance %d -> Cluster %d \n", i, clusterNum);
    i++;
}

打印出来：

Instance 1 -> Cluster 0 
Instance 2 -> Cluster 2
...

问题 #2： 在打印作业时如何参考 ID？例如：

Instance 1072 -> Cluster 0
Instance 1092 -> Cluster 2

【问题讨论】：

标签： java cluster-analysis weka k-means

【解决方案1】：

我意识到这是一个老问题，但我也来到这里寻找答案，然后自己弄清楚了，所以把我的解决方案放在这里给下一个遇到这个问题的人。在我的例子中，集群组件是 Java 应用程序的一部分，所以我没有使用 Weka 工作台的选项。这是我为提取 id 以及集群分配所做的操作。

int[] assignments = kmeans.getAssignments();
for (int i = 0; i < assignments; i++) {
  int id = (int) data.instance(i).value(0); // cast from double
  System.out.printf("ID %d -> Cluster %d \n", id, assignments[i]);
}

与 OP 不同，我没有从 DataSource.getDataSet() 构建实例，而是从数据库表手动构建的，但 id 字段也是我的第一个字段，所以我认为上面的代码应该工作。我有一个自定义距离函数，在计算相似度时跳过了 id 字段。

【讨论】：

集群怎么样？？您是否为了聚类目的而忽略了 id 列？？！！
谢谢，你帮了我！不过小事；我将i < assignments 更改为i < assignment.lengths 以使其正常工作。

【解决方案2】：

如果您使用带有 GUI 的 Windows 版本的 Weka，您的生活会轻松很多。

在集群选项卡中有一个按钮用于忽略 ID 等属性。

对于 Id 进行聚类分配；完成您选择的聚类算法后，右键单击屏幕左侧的结果，然后可视化结果然后保存。

【讨论】：