1、数据准备 2、聚类原理 聚类分析中的“类”(cluster)和前面分类的“类”(class)是不同的，对cluster更加准确的翻译应该是“簇”。聚类的任务是把所有的实例分配到若干的簇，使得同一个簇的实例聚集在一个簇中心的周围，它们之间距离的比较近;而不同簇实例之间的距离比较远。对于由数值型属性刻画的实例来说，这个距离通常指欧氏距离。 现在我们对前面的“bank data”作聚类分析，使用最常见的K均值(K-means)算法。下面我们简单描述一下K均值聚类的步骤： 1)K均值算法首先随机的指定K个簇中心; 2)将每个实例分配到距它最近的簇中心，得到K个簇; 3)分别计算各簇中所有实例的均值，把它们作为各簇新的簇中心。 4)重复1)和2)，直到K个簇中心的位置都固定，簇的分配也固定。 上述K均值算法只能处理数值型的属性，遇到分类型的属性时要把它变为若干个取值0和1的属性。WEKA将自动实施这个分类型到数值型的变换，而且WEKA会自动对数值型的数据作标准化。这样得到的数据文件为“bank.arff”，含600条实例。
3、实现步骤 (1)用“Explorer”打开刚才得到的“bank.arff”(600条实例数据)。
(2)切换到“Cluster”， 点击“Choose”按钮选择“SimpleKMeans”，这是WEKA中实现K均值的算法。
(3)点击旁边的文本框，修改“numClusters”为6，说明我们希望把这600条实例聚成6类，即K=6;下面的“seed”参数是要设置一个随机种子 ，依此产生一个随机数 ，用来得到K均值算法中第一次给出的K个簇中心的位置。我们不妨暂时让它就为10，点击OK。
(4)选中“Cluster Mode”的“Use training set”(使用训练集)，选择“Store clusters for visualization”(存储聚类可视化)，点击“Start”按钮。
(5)观察右边“Clusterer output”给出的聚类结果。也可以在左下角“Result list”中这次产生的结果上点右键，“View in separate window”在新窗口中浏览结果。
3、结果分析 (1)首先我们注意到结果中有这么一行(误差平方和)： Within cluster sum of squared errors: 1604.7416693522332 这是评价聚类好坏的标准，数值越小说明 同一簇 实例之间的距离越小。
实际上如果把“seed”参数改一下，得到的这个数值就可能会不一样，例如将“seed”取200，就得到 ： Within cluster sum of squared errors: 1555.6241507629218
(也许实际得到的值不一样)应该取后面这个，当然再尝试几个seed，这个数值可能会更小(该数值越小，说明同一簇实例直接的距离越小，聚类的结果也就越好。多次试验，找到该值趋于最小的值(实例容量越大，越难找)，即得到了本次实验最好的方案结果) 。
(2)接下来“Cluster centroids:”之后列出了各个簇中心的位置。对于数值型的属性，簇中心就是它的均值(Mean);分类型的就是它的众数(Mode)， 也就是说这个属性上取值为众数值的实例最多。对于数值型的属性，还给出了它在各个簇里的标准差(Std Devs)。
(3)最后的“ Clustered Instances”是各个簇中实例的数目及百分比。
(4)为了观察可视化的聚类结果，我们在左下方“Result list”列出的结果上右击，点“ Visualize cluster assignments”。
弹出的窗口给出了 各实例的散点图。最上方的两个框是选择横坐标和纵坐标，第二行的“color”是散点图着色的依据，默认是根据不同的簇“Cluster”给实例标上不同的颜色。可以在这里点“Save”把聚类结果保存成ARFF文件。
在这个新的ARFF文件中，“instance_number”属性表示某实例的编号，“Cluster”属性表示聚类算法给出的该实例所在的簇。
