《数据挖掘基础》实验：Weka平台实现聚类算法

实验目的

进一步理解聚类算法（K-平均、PAM、层次聚类、密度聚类），利用weka实现数据集的聚类处理，学会调整模型参数，以图或树的形式给出挖掘结果，并解释规则的含义。

实验要求

（1）随机选取数据集（UCI或data文件夹），需要做预处理的，单独说明处理过程。完成以下内容：（用四种方法：K-means、K-中心法、层次、密度）

• 文件导入与编辑
• 参数设置说明
• 结果截图
• 结果分析与对比

（2）以AQI.xls中1-550数据为训练数据集，用三种方法聚类，对比结果；以551-599为测试数据集，做模型评估，检验模型的正确性。

• 文件生成与编辑
• 参数设置说明
• 结果截图
• 结果分析

weather数据集

1. 文件导入与编辑

单击Open file打开data文件夹，选择weather.nominal.arff文件，导入到weka中，如图1所示。

图1 weather数据集

2. 参数设置说明

2.1 K-means算法

参数设置如下图2，其中numClusters表示簇的个数，设置为6。

图2 K-means参数设置

2.2 PAM算法

参数设置如下图3， numClusters设置为6。

图3 PAM参数设置

2.3 层次聚类算法

参数设置如下图4， 簇的个数设置为6。

图4 层次聚类参数设置

2.4 密度聚类算法

参数设置如下图5。

图5 密度聚类参数设置

3. 结果截图

K-means算法结果如图6所示，PAM算法结果如图7所示，层次聚类算法结果如图8所示，密度聚类算法结果如图9所示。

图6 K-means算法结果

图7 PAM算法结果

图8 层次聚类算法结果

图9 密度聚类算法结果

4. 结果分析

K-means算法聚类起点为：
Cluster 0: rainy, mild, normal, FALSE, yes
Cluster 1: overcast, cool, normal, TRUE, yes
Cluster 2: rainy, mild, high, TRUE, no
Cluster 3: overcast, hot, high, FALSE, yes
Cluster 4: overcast, hot, normal, FLASE, yes
Cluster 5: sunny, hot, high, TRUE, no
最终集群质心为：

PAM集群质心为：

层次聚类算法结果与密度聚类算法结果未直观的读出。
比较K-means算法与PAM算法结果，可以发现初始Cluster 3完全一致，
K-means中的Cluster 0与PAM中Cluster 2、Cluster 4只有一个属性不一致，还有类似的有一个属性不一致的簇。从分析来看，两种聚类方法结果有一定的相似性。

AQI数据集

1. 文件生成与编辑

将表格中序号为1-550号的数据写入到一个csv文件中，如图10所示，作为测试数据集，序号为551-599号的数据写入另一个csv文件中，如图11所示，作为测试数据集。

图10 训练数据集

图11 测试数据集

通过weka的Open file功能导入刚刚生成的训练数据集，用上述聚类算法做聚类，在Test options中选择Use training set按钮如图12所示。

图12 训练数据集选择

接着选择Supplied test set按钮，并单击Set按钮，弹出如图13所示弹窗，单击Open files选择生成的测试数据集，用测试数据集，做模型评估，检验模型的正确性。

图13 测试数据集导入

2. 参数设置说明

参数值的设置及说明同上。

3. 结果截图

3.1 K-means算法

训练数据聚类结果如图14所示。

图14 K-means算法训练集结果

测试数据聚类结果如图15所示。

图15 K-means算法测试集结果

3.2 PAM算法

训练数据聚类结果如图16所示。

图16 PAM算法训练集结果

测试数据聚类结果如图17所示。

图17 PAM算法测试集结果

3.3 层次聚类算法

训练数据聚类结果如图18所示。

图18 层次聚类算法训练集结果

测试数据聚类结果如图19所示。

图19 层次聚类算法测试集结果

3.4 密度聚类算法

训练数据聚类结果如图20所示。

图20 密度聚类算法训练集结果

测试数据聚类结果如图21所示。

图21 密度聚类算法测试集结果

4. 结果分析

K-means算法测试集数据属于训练集生成的簇0、1、2、5；
PAM算法测试集数据属于训练集生成的簇0、2、3、4；
层次聚类算法测试集数据属于训练集生成的簇0、1、2、4；
密度聚类算法测试集数据属于簇0的占82%，簇1的占18%。