C++/JAVA程序调用weka聚类算法的方法

weka（http://www.cs.waikato.ac.nz/~ml/weka/）是一个功能强大的数据挖掘开源工具包，但目前网上很难找到如果在程序里面调用weka中算法的例子。特别是如果程序是用C++编写的话，就更麻烦。

前段时间做人名消歧的时候使用了里面的聚类算法，不过由于weka用GUI操作，处理起来不方便于程序处理，特别是生成的聚类结果还要手工进行保存，当要处理的文件数目多时就变得相当麻烦。

前几天找了Java熟悉的师弟，把weka的源代码相关部分看了一下，用java写了一个程序实现了在Java里面对weka的EM算法的调用。最后我把程序根据不同算法封装了一下~可以直接命令行执行。这样即使是C++程序也可以调用weka里面的算法。在C++中用 system()语句实现命令行调用。

目前我只做了EM算法跟X-means算法的封装，感觉这两个算法比较实用。对于分类算法，封装起来好麻烦，目前没什么时间，就暂且不弄了。如果有哪位做了分类算法方面的封装的，麻烦发现email（e-mail:jpshen2008#gmail.com）给我，大家交流下。

附件里是封装好的这两个算法的使用(注意：由于上传文件的大大小限制在2m，故请大家自行到weka网站上（http://www.cs.waikato.ac.nz/~ml/weka/）下载 weka程序，并且安装weka后可以在他们安装目录下找weka.jar，请把weka.jar放在lib目录下即可)。

XMEANS算法关键代码：

weka.clusterers.XMeans clusterer = new weka.clusterers.XMeans();
     clusterer.setMaxIterations(Integer.parseInt(options[1]));
     clusterer.setMinNumClusters(Integer.parseInt(options[2]));
     clusterer.setMaxNumClusters(Integer.parseInt(options[3]));

      Instances inst = getArffData(personName);//personName:is the input data
     
     //build the model using dataSet:inst
      clusterer.buildClusterer(inst);
      //evaluate the input data
                    System.out.println(clusterer.toString());
                    ClusterEvaluation eval = new ClusterEvaluation();
                    eval.setClusterer(clusterer);
                    eval.evaluateClusterer(inst);

 

EM算法关键代码：

                weka.clusterers.EM clusterer = new weka.clusterers.EM();
                    clusterer.setMaxIterations(Integer.parseInt(options[1]));
                    clusterer.setNumClusters(Integer.parseInt(options[2]));
                    Instances inst = getArffData(personName);
                    clusterer.buildClusterer(inst);

                    System.out.println(clusterer.toString());

                    ClusterEvaluation eval = new ClusterEvaluation();
                    eval.setClusterer(clusterer);
                    eval.evaluateClusterer(inst);