Question

我需要通过编程方式使用ELKI来运行k-medoids聚类算法。我有一个相似矩阵，我想输入算法。

是否有任何可用于运行ELKI算法的代码段？我基本上需要知道如何创建Database和Relation对象，创建自定义距离函数，并读取算法输出。

不幸的是，ELKI教程（http://elki.dbs.ifi.lmu.de/wiki/Tutorial）侧重于GUI版本和实现新算法，并且试图通过查看Javadoc来编写代码令人沮丧。

如果有人知道任何易于使用的k-medoids库，那么这也可能是这个问题的一个很好的答案。

Answer 1

我们非常感谢文档贡献！（更新：我暂时将这篇文章改为new ELKI tutorial entry。）

出于多种原因，ELKI确实主张不将其嵌入到其他Java应用程序中。这就是我们建议使用MiniGUI（或它构造的命令行）的原因。添加自定义代码最好完成，例如作为自定义ResultHandler或仅使用ResultWriter并解析生成的文本文件。

如果确实希望将其嵌入到您的代码中（有很多情况下它很有用，特别是当您需要多个关系时，并且想要相互评估不同的索引结构），这是获取Database和Relation的基本设置：

// Setup parameters:
ListParameterization params = new ListParameterization();
params.addParameter(FileBasedDatabaseConnection.INPUT_ID, filename);
// Add other parameters for the database here!

// Instantiate the database:
Database db = ClassGenericsUtil.parameterizeOrAbort(
    StaticArrayDatabase.class,
    params);
// Don't forget this, it will load the actual data...
db.initialize();

Relation<DoubleVector> vectors = db.getRelation(TypeUtil.DOUBLE_VECTOR_FIELD);
Relation<LabelList> labels = db.getRelation(TypeUtil.LABELLIST);

如果您想要更一般的编程，请使用NumberVector<?>。

为什么我们（目前）不建议将ELKI用作“库”：

API仍在发生很大变化。我们一直在添加选项，而无法（尚未）提供稳定的API 。命令行/ MiniGUI / Parameterization更稳定，因为处理默认值 - 参数化仅列出非默认参数，所以只有在这些改变时你才会注意到。

在上面的代码示例中，请注意我也使用了这种模式。对解析器，数据库等的更改可能不影响此程序！
内存使用情况：数据挖掘占用大量内存。如果您使用MiniGUI或命令行，则在任务完成时您有一个很好的清理。如果您从Java调用它，那么非常高的更改会让您在某处保留一些引用，并最终泄漏 lot 内存。所以在没有确保完成后正确清理对象时不要使用上面的模式！

通过从命令行运行ELKI，您可以免费获得两件事：
1. 没有内存泄漏。任务完成后，进程退出并释放所有内存。
2. 无需为同一数据重新运行两次。后续分析不需要重新运行算法。
ELKI 没有设计为可嵌入库，原因很充分。 ELKI拥有大量的选项和功能，这在运行时（尽管它可以轻松胜过R和Weka，例如！）内存使用，特别是在代码复杂性方面付出了代价。 ELKI 专为数据挖掘算法的研究而设计，而不是让它们易于包含在任意应用程序中。相反，如果您遇到特定问题，则应使用ELKI找出哪种方法运行良好，然后以优化的方式重新实现该方法。

使用ELKI的最佳方式

以下是一些提示和技巧：

使用MiniGUI构建命令行。请注意，在“GUI”的日志记录窗口中，它显示了相应的命令行参数 - 从命令行运行ELKI易于编写脚本，并且可以轻松地分发到多个计算机，例如通过Grid Engine。

#!/bin/bash
for k in $( seq 3 39 ); do
    java -jar elki.jar KDDCLIApplication \
        -dbc.in whatever \
        -algorithm clustering.kmeans.KMedoidsEM \
        -kmeans.k $k \
        -resulthandler ResultWriter -out.gzip \
        -out output/k-$k 
done

使用索引。对于许多算法，索引结构可以产生巨大的差异！（但你需要做一些研究，哪些索引可以用于哪些算法！）
考虑使用ResultWriter等扩展点。您可以最简单地使用此API，然后使用ResultUtil选择您希望以您自己的首选格式输出或分析的结果：
```
List<Clustering<? extends Model>> clusterresults =
    ResultUtil.getClusteringResults(result);
```
要识别对象，请使用标签和LabelList关系。默认解析器在看到数字属性的文本时会执行此操作，例如
等文件
```
1.0 2.0 3.0 ObjectLabel1
```
可以通过标签轻松识别对象！

更新：有关更新，请参阅ELKI tutorial created out of this post。

Answer 2

ELKI的文档相当稀疏（我不知道他们为什么不在示例中包含一个简单的“hello world”程序）

你可以试试Java-ML。它的文档更加用户友好，它确实有K-medoid。

Java-ML |的集群示例 http://java-ml.sourceforge.net/content/clustering-basics

K-medoid | http://java-ml.sourceforge.net/api/0.1.7/

在ELKI中运行聚类算法

2 个答案:

为什么我们（目前）不建议将ELKI用作“库”：

使用ELKI的最佳方式