java – 在ELKI中运行聚类算法

我需要以编程方式使用ELKI运行k-medoids聚类算法.我有一个相似矩阵,我希望输入到算法.

是否有任何代码片段可用于运行ELKI算法？
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,以及读取算法输出.

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.

解决方法:

我们非常感谢文档贡献！ (更新：我现在把这篇文章改为new ELKI tutorial entry.)

ELKI确实主张不将其嵌入到其他应用程序Java中,原因有很多.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.

如果你真的想将它嵌入你的代码中(有很多情况下它是有用的,特别是当你需要多个关系,并且想要相互评估不同的索引结构时),这里是获取a的基本设置数据库和关系：

// 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);

如果您想编程更一般,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.我们不断添加选项,但我们还不能(还)提供稳定的API.命令行/ MiniGUI / Parameterization更稳定,因为处理默认值 – 参数化只列出非默认参数,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,请注意我也使用了此模式.对解析器,数据库等的更改可能不会影响此程序！
>内存使用：数据挖掘非常耗费内存.如果使用MiniGUI或命令行,则在任务完成时可以进行良好的清理.如果你从Java调用它,那么你在某处保留一些引用的变化非常高,最终会泄漏大量内存.因此,如果没有确保在完成后正确清理对象,请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：

>没有内存泄漏.任务完成后,进程退出并释放所有内存.
>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.

>出于好的理由,ELKI并非设计为可嵌入库. 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专为研究数据挖掘算法而设计,而不是为了使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找出哪种方法有效,然后以优化的方式为您的问题重新实现该方法.

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很容易编写脚本,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！
(但是你需要做一些研究,哪些索引可以用于哪些算法！)
>考虑使用ResultWriter等扩展点.您可能最容易挂钩此API,然后使用ResultUtil选择要以您自己的首选格式输出的结果或分析：

List<Clustering<? extends Model>> clusterresults =
    ResultUtil.getClusteringResults(result);

>要标识对象,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,即文件如

1.0 2.0 3.0 ObjectLabel1

将通过其标签轻松识别对象！

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

标签：java,cluster-analysis,k-means,elki
来源： https://codeday.me/bug/20190825/1723253.html