我通过使用 java + weka lib 开始使用开源代码集群我的数据 当数据集的格式为 .arff 时它可以正确运行,但我想使用 movielens 的数据集(使用用户的人口统计信息对用户进行聚类) 文件名为“u.user” 你可以在这里找到文件说明 http://files.grouplens.org/datasets/movielens/ml-100k-README.txt
这是我的代码
import weka.clusterers.SimpleKMeans;
import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;
import java.io.IOException;
public class Clustering {
public static void main(String args[]) throws Exception{
//load dataset
String dataset = "C:/Users/DELL/Desktop/work/u.user";
DataSource source = new DataSource(dataset);
//get instances object
Instances data = source.getDataSet();
// new instance of clusterer
SimpleKMeans model = new SimpleKMeans();//Simple EM (expectation maximisation)
//number of clusters
model.setNumClusters(4);
//set distance function
//model.setDistanceFunction(new weka.core.ManhattanDistance());
// build the clusterer
model.buildClusterer(data);
System.out.println(model);
}
}
运行后显示此错误
Exception in thread "main" java.io.IOException: File not found : C:\Users\DELL\Desktop\work\u.names
weka.core.converters.C45Loader.setSource(C45Loader.java:190)
weka.core.converters.AbstractFileLoader.setFile(AbstractFileLoader.java:90)
weka.core.converters.ConverterUtils$DataSource.reset(ConverterUtils.java:306)
weka.core.converters.ConverterUtils$DataSource.<init>(ConverterUtils.java:141)
Clustering.main(Clustering.java:24)
sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
java.lang.reflect.Method.invoke(Method.java:498)
com.intellij.rt.execution.application.AppMain.main(AppMain.java:147)
at weka.core.converters.C45Loader.setSource(C45Loader.java:190)
at weka.core.converters.AbstractFileLoader.setFile(AbstractFileLoader.java:90)
at weka.core.converters.ConverterUtils$DataSource.reset(ConverterUtils.java:306)
at weka.core.converters.ConverterUtils$DataSource.<init>(ConverterUtils.java:141)
at Clustering.main(Clustering.java:24)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:498)
at com.intellij.rt.execution.application.AppMain.main(AppMain.java:147)
Process finished with exit code 1
我确信这是因为文件的扩展名,因为当我使用带有扩展名的其他文件时。arff 它可以工作 你能帮我如何聚类我的数据
最佳答案
您还需要注意文件格式(不仅仅是扩展名)。转换数据集格式以匹配 Weka ARFF format 。如果您的数据为 u.user
,则需要将扩展名更改为 *.arff(例如 user.arff
),并将格式更改为如下所示:
@RELATION user
@ATTRIBUTE id INTEGER % this is actually useless
@ATTRIBUTE age INTEGER
@ATTRIBUTE gender {M,F}
@ATTRIBUTE occupation {administrator,artist,doctor,educator,engineer,entertainment,executive,healthcare,homemaker,lawyer,librarian,marketing,none,other,programmer,retired,salesman,scientist,student,technician,writer} % from u.occupation
@ATTRIBUTE zipcode STRING
@DATA
1,24,M,technician,85711
2,53,F,other,94043
3,23,M,writer,32067
4,24,M,technician,43537
5,33,F,other,15213
6,42,M,executive,98101
7,57,M,administrator,91344
8,36,M,administrator,05201
...
您应该能够将数据集解析为 weka.core.Instances
。但不幸的是,SimpleKMeans
将拒绝您的数据:
weka.core.UnsupportedAttributeTypeException: weka.clusterers.SimpleKMeans: Cannot handle string attributes!
所以你有(至少)3 个选择:
- 对数据特征进行矢量化或将其转换为数值(同时删除
id
等无用数据) - 使用另一种可以处理分类值的聚类算法,例如
weka.clusterers.HierarchicalClusterer
- 合并两个解决方案
祝你好运!
关于java - 使用 weka api 进行聚类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42597777/