使用weka进行聚类分析

1、将.xls文件转化为.arff格式

  （1）首先，将.xls文件另存为.csv格式，然后使用weka explorer的预处理面板(preprocess)，导入.csv文件

首先，在weka的安装包里，将RunWeka.ini里面的编码格式改为UTF-8，避免出现中文乱码

（2）打开.csv文件时提示如下错误

错误一，.csv文件中存在特殊字符（'），替换它

错误二，.csv文件中自动换行，删除自动换行，并取消单元格里的换行

错误三，若提示错误，修改特殊字符也没有，也无换行表现，则将上一行单元格内容复制过来，再手动还原该单元格内容即可

导入成功如下所示

（3）将.csv格式转化为.arff格式

2、进行聚类分析

（1）打开.arff文件

（2）切换到“Cluster”，点击“choose”按钮选择“SimpleKMeans"。（K均值算法）

（3）点击上面的文本框，将numClusters修改为16（我们把这16102条实例聚成16类），seed参数是要设一个随机种子，依次产生一个随机数，用来得到k均值算法中第k个簇中心的位置。（seed值不同，所算的误差平方和的结果不同）

（4）选中Cluster Mode的Use training set,选中Store clusters for  visualization（存储聚类可视化），点击start按钮

可在左下角的Result list下产生的结果上右键，在新窗口中浏览结果。

3、结果分析

（1）误差平方和：这是评价聚类好坏的标准，数值越小说明同一簇实例之间的距离越小

（2）列出了各个簇中心的位置。

（3）各个簇中实例的数目及百分比

（4）可视化聚类结果，在Result list列出的结果下右击Visualize cluster assignments。

（5）将聚类的结果保存为arff文件

result.arff文件