Question

我尝试使用WEKA（GUI和Java代码）执行模糊聚类。在我的数据集中，我有两个字段：id和string，所以我想通过这些字符串进行聚类，并作为输出获取每个字符串，具有属于每个集群的概率的数组。

我编写的代码定义了具有所有必需属性的过滤器（与WEKA GUI中的相同），然后使用EM进行集群，然后使用clusterer.distributionForInstance（filteredData ...）进行打印输出分发。它运行甚至打印输出，问题是每个条目分配1到一个集群，而对于其他集群，它分配0。你是否善意协助并告诉我可能是什么问题？

我附上我的代码片段以获取进一步的建议：

Instances train = DataSource.read(args[0]);
Instances test = DataSource.read(args[1]);
StringToWordVector filter = new StringToWordVector();
filter.setTFTransform(true);
filter.setLowerCaseTokens(true); 
filter.setAttributeIndices("last"); 
filter.setInputFormat(train);
filter.setStopwordsHandler(new Rainbow());
Instances filteredData = Filter.useFilter(train, filter);
Instances testFilteredData = Filter.useFilter(test, filter);
//build clusterer
EM clusterer = new EM();
clusterer.buildClusterer(filteredData);
for (int i = 0; i < testFilteredData.numInstances(); i++) {
  double[] dist = clusterer.distributionForInstance(testFilteredData.instance(i));
  System.out.print(testFilteredData.instance(i));
  System.out.print(Utils.arrayToString(dist));
  System.out.println();
}

如果不需要tiidf变换，该过程非常有效。如果用分类替换聚类（显然必须添加类属性），它也可以很好地工作。

谢谢！

WEKA中的模糊聚类

0 个答案: