WEKA聚類算法wine數(shù)據(jù)集分析研究報告(附代碼數(shù)據(jù))

【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了WEKAwine試驗?zāi)康腤EKA軟件聚類分析有關(guān)過程命令，并且可以對數(shù)據(jù)處理結(jié)果進展正確推斷分析，作出綜合評價。試驗數(shù)據(jù)178條記錄。13個屬性是13種化學(xué)成分。通過化學(xué)分析可以來推斷葡萄酒的起源。值得一提的是全部屬性變量都是連續(xù)變量。:多變量記錄數(shù):178領(lǐng)域:物理:整數(shù)，實數(shù)屬性數(shù)目: 13捐贈日期1991-07-01:分類無網(wǎng)站點擊數(shù): 337319MostPopularDataSets〔hitssince2023〕中的wine數(shù)據(jù)集，這13種不同成分的數(shù)量。13個屬性，用決178個樣本分成118個訓(xùn)練樣本和60個測試樣本，承受樸實貝葉斯分類算法，計算出先同時輸出測試樣本計算的正確率和錯誤率。13種不同成分的數(shù)量。13種成分分別為：Alcohol，Malicacid，Ash，Alcalinityofash，Magnesium，Totalphenols，F(xiàn)lavanoids，Nonflavanoidphenols，Proanthocyanins，Colorintensity，Hue，OD280/OD315ofdilutedwines，Prolinewine.data”文件中，每行代表一種酒的樣本，共有59271348個樣本。試驗方法1【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了未知的，故此，這是一個“無指導(dǎo)的學(xué)習(xí)”過程，它傾向于數(shù)據(jù)的自然劃分。面信息給出聚類分析的爭論熱點、難點、缺乏和有待解決的一些問題等。FCMUCIMachineLearningRepositoryWINE數(shù)據(jù)集為根底，然后以WINE數(shù)據(jù)集在學(xué)習(xí)了解Weka軟件接口方面的根底后作聚類分析，使用最常見的K均值〔即FCMK均值聚類的步驟。KK個類中心。然后：將每個實例安排到距它最近的類中心，得到K個類；重復(fù)〔1〕和〔2〕，K個類中心的位置都固定，類的安排也固定。simpleKmeans〔K均值聚類k均值算法，并通過對試驗結(jié)果進展觀看分析，找出試驗中所存在的問題。然后再在學(xué)習(xí)了解Weka軟件接口方面的根底上對Weka軟件進展確定的擴展以參與的聚類算法來實現(xiàn)基于Weka平臺的聚類分析。KKK果并不愿定完全可信。K均值算法的劃分理論根底是i1

x vkAi k i2

〔1〕其中c是劃分的聚類數(shù)，A是已經(jīng)屬于第i類的數(shù)據(jù)集vi

是相應(yīng)的點到第i類的平均距離，即

Nixv k1 ki Ni

,xAk i

〔2〕Ni

A中的對象數(shù)。i算法的根本過程step1:K個對象作為初始的類的中心；step2:repeat；step3:依據(jù)類中的平均值,將每個數(shù)據(jù)點(重)賦給最相近的類；2【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了step4:step5:until不再發(fā)生變化,即沒有對象進展被重安排時過程完畢。FCMFCM算法也是一種基于劃分的聚類算法，它的思想就是使得被劃分到同一C均值算法是一般CCFCM則是具體算法之前我們先介紹一些模糊集合的根本學(xué)問。FCM-模糊集根本學(xué)問xA的程度的函數(shù)，通常記做A

x，其自變量范圍是全部可能屬于集合A的對象〔即A

x1。A

x1表x完全隸屬于集合A，相當于傳統(tǒng)集合概念上的xA。一個定義在空間XAX上本點隸屬于每個類的隸屬度就是0,1區(qū)間里面的值。FCM的算法理論1973年，Bezdek提出了該算法，并作為早期硬C均值聚類〔HCM〕方法的一種改進，命名為模糊CFCM是一種目標函數(shù)法。假設(shè)將樣本空X要分為k個類，則類中心集Ccc1 2

,c,3

c使下式的目標函數(shù)值最小kminJm

n

m xij

c j

〔3〕k ij且有

i1j11 〔4〕j1,2, ,j1,2, ,kij其中U( )ij被稱為模糊隸屬度矩陣。ij

xi3

cj

m是?！驹瓌?chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了糊加權(quán)參數(shù)，用于把握在模糊類間的程度依據(jù)參考的文獻中一般取值為1 應(yīng)用拉格朗日乘法并基于上述約束可得到如下式ij 1ijD2

〔5〕c

m1ijDt1且

tj1ic,1jNNi

mxij mij

1ic 〔6〕Dij

Xj類中心Ci

j1的歐氏距離，即XiFCM

C 。jstep1:m和聚類數(shù)k，以及迭代的次數(shù)s和算法終止誤差。step2:隨機化置初始化聚類的中心Ct0。0step3:計算隸屬度矩陣U可通過〔5〕式計算Us得來。step4:依據(jù)〔6〕式迭代計算聚類的中心C 。s1step5:檢驗Us1Us是否成立，成立則算法完畢否則goto step3。試驗配置FCM模糊聚1~5之間在試驗中設(shè)置如。也可以依據(jù)需要對其進展修改。FCMFCM算法需要兩個參數(shù)一個是聚類數(shù)目cmc要c1m，它是一個把握算法的m過大，則聚類效果會很次，而假設(shè)m過小則算法會接近K均值聚類算法。算法的輸出是c個聚類中心點向量和c*N的一個模糊劃分矩陣，個類的平均特征，可以認為是這個類的中心代表。FCM算法是圖像分割使用最多的方法之一，它的成功主要歸功于為解決每4【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了KFCM能夠保存初始圖像的更多信息。FCM對孤立點和其他人造圖像格外敏感。基于weka數(shù)據(jù)的預(yù)處理從網(wǎng)站下載的WINE原始數(shù)據(jù)集wine.dataWeka軟件需要的是ARFFWekaARFF文件格式的。轉(zhuǎn)換過程如下可以將數(shù)據(jù)文件的名稱改為wine.csv。然后，翻開Weka選擇Tools選項下的ArffViewer如以以下圖FileOpenfiles〔*.csv〕項。然后找到相應(yīng)的文件后單擊翻開后如以以下圖5【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了FileSaveas后彈出如以以下圖在文件名欄輸入相應(yīng)的文件名后單擊保存即可得到相應(yīng)的arff格式的數(shù)據(jù)K將自動實施這個分類型到數(shù)值型的變換，而且WEKA會自動對數(shù)值型的數(shù)據(jù)作標準化。WEKAStringToWordVector過濾6【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了ARFF文件中的文本數(shù)據(jù)轉(zhuǎn)換為空間向量模型,它同時擁有分詞、特征表ExplorerReprocessARFF文件,選擇StringToWordVector過濾器,再設(shè)置相關(guān)參數(shù)。聚類過程Openfile后彈出如以以下圖的數(shù)據(jù)集選WINE.arff數(shù)據(jù)集文件后翻開。chooseClusterClustererchooseWeka中供給的聚類算法ClustersSimpleKMeans,然后設(shè)置參數(shù)如以以下圖7【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了33K=3，下面的K返回。然后選中“ClusterMode”的“Usetrainingset”，點擊“Start”按鈕，觀看右邊“Clustereroutput”給出的聚類結(jié)果如下===Runinformation===Scheme: Weka.clusterers.SimpleKMeans-N3-A“Weka.core.EuclideanDistance-Rfirst-last“-I500-S10Relation: WINEDATInstances: 177Attributes: 148【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了1.42E+011.71E+002.43E+001.56E+011.27E+022.80E+003.06E+002.80E-012.29E+005.64E+001.04E+003.92E+001.07E+031Testmode: evaluateontrainingdata===Modelandevaluationontrainingset===kMeans======Numberofiterations:7Withinclustersumofsquarederrors:49.6509106890353569【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了Missingvaluesgloballyreplacedwithmean/modeClustercentroids:Cluster#Attribute FullData 0 1 2(177) (59) (49) (69)===================================================1.42E+0113.000613.730513.161212.26231.71E+002.33992.013.34451.90862.43E+002.36622.45852.43472.23861.56E+0119.516917.281421.438820.06381.27E+0299.5876106.542499.020494.04352.80E+002.29232.84861.67822.25263.06E+002.02342.97950.7982.07622.80E-010.36230.28880.45080.36232.29E+001.58691.89371.16311.62575.64E+005.05535.48957.34513.0581.04E+000.9571.06660.68591.05573.92E+002.60433.15071.69022.78621.07E+03 745.6781116.1017 627.551 512.82611 1.9435 1.0169 2.9796 2ClusteredInstances10【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了059(33%)149(28%)269(39%)也可以在左下角“Resultlist”中這次產(chǎn)生的結(jié)果上點右鍵，“Viewinseparatewindow”在窗口中掃瞄結(jié)果。結(jié)果分析首先我們留意到結(jié)果中有這么一行：Withinclustersumofsquarederrors:49.650910689035356你得到的數(shù)值會不一樣；實際上假設(shè)把“seed“參數(shù)改一下，得到的這個數(shù)值就可seed，并承受這個數(shù)值最小的那個結(jié)果。接下來“Clustercentroids:“之后列出了各個類中心的位置。對于數(shù)值型的屬〔Mean〕；分類型的就是它的眾數(shù)〔Mode〕，也就個類里的標準差〔StdDevs〕。最終的“ClusteredInstances“是各個類中實例的數(shù)目及百分比方下ClusteredInstances059(33%)149(28%)269(39%)實際的聚類各類中的實例安排如下NumberofInstancesclass159class271class348通過比照可以得出聚類的結(jié)果還是比較滿足的。為了觀看可視化的聚類結(jié)果，我們在左下方“Resultlist“列出的結(jié)果上右擊，點“Visualizeclusterassignments“。彈出的窗口給出了各實例的散點圖。最上方的11【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了不同的類“Cluster“給實例標上不同的顏色，如以以下圖“Save“把聚類ARFF文件。在這個的ARFF文件中，“instance_number“屬性表示某實例的編號，“Cluster“屬性表示聚類算法給出的該實例所在的類。試驗擴展〔unsupervisedlearning〕，這learning〕相對的。所謂無監(jiān)視學(xué)習(xí)就是在預(yù)先不知道WekaWeka的聚類算法來滿足具體的試驗需要。Weka中聚類的一般過程主要如下讀入需推想樣本初始化聚類算法〔并設(shè)置參數(shù)〕使用聚類算法對樣本進展聚類打印聚類結(jié)果或許過程可實現(xiàn)如下Instancesins=null;InstancestempIns=null;12【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了SimpleKMeansKM=null;DistanceFunctiondisFun=null;try{Filefile=newFile(“data.arff“);ArffLoaderloader=newArffLoader;loader.setFile(file);ins=loader.getDataSet;KM=newSimpleKMeans;KM.setNumClusters(2);KM.buildClusterer(ins);tempIns=KM.getClusterCentroids;System.out.println(“CentroIds:“+tempIns);}catch(Exceptione){e.printStackTrace;}首先讀入樣本過程比較簡潔可以調(diào)用ArffLoader函數(shù)和setFile函數(shù)以及getDataSet函數(shù)等在構(gòu)建聚類器時也是通過現(xiàn)有的類來實現(xiàn)的。SimpleKMean〕，所以需要有一個計算距離的公式常見的就是歐幾里得距離了。SimpleKMeanWeka中供給了設(shè)置距離setDistanceFunction(DistanceFunctiondf)，可以便利我們設(shè)置自己的距離計算方法。初衷是相背離的，所以在聚類之前我們要記住刪除掉類別屬性。ClusterEvaluation類來打印更多的信息。FCMWeka中的聚類算法如以以下圖13【原創(chuàng)】R語言案例數(shù)據(jù)分析報告論文〔附代碼數(shù)據(jù)〕有問題到淘寶找“大數(shù)據(jù)部落”就可以了Java包importweka.classifiers.rules.DecisionTableHashKey;importweka.core.Attribute;importweka.core.DistanceFunction;importweka.core.EuclideanDistance;importweka.c