【Weka】Weka聚类

聚类方法

Weka自带的聚类算法一般有：

- KMeans

- EM 算法

- Hierarchical Cluster（层次聚类）

- Denstiy Based Cluster（基于密度的聚类）

 

聚类数据

1） 自备数据

自备数据挺麻烦的，需要自己做预处理，计算权重什么的，因为以前自己做过聚类算法，这些模块都可以重用，所以先用自备数据试试看。

使用了2933篇英文文档，使用Gate进行分词以及NER进行命名实体识别。然后抽取有用的特征将文档集合做成

 

2）纯文本

使用纯文本就是需要使用Weka里自带的预处理工具进行文本预处理，由于单纯使用Weka有一些不方便，所以可以采用使用Weka提供源码的方法进行文本聚类和预处理。

读取文本数据程序：

 

聚类结果

聚类结果是