在java中调用weka聚类方法并显示相应的类标签+weka中创建arff数据

Instances data = new Instances(new BufferedReader(new FileReader("/some/where/data.arff")));
// setting class attribute
data.setClassIndex(data.numAttributes() - 1);

//创建两个数值型
Attribute num1 = new Attribute("num1");
Attribute num2 = new Attribute("num2");
//创建一个标称型
ArrayList<String> labels = new ArrayList<String>();
labels.add("no");
labels.add("yes");
Attribute cls = new Attribute("class", labels);
//创建一个relation关系
ArrayList<Attribute> attributes = new ArrayList<Attribute>();
attributes.add(num1);
attributes.add(num2);
attributes.add(cls);
//把创建的格式应用在数据集中
Instances dataset = new Instances("Test-dataset", attributes, 0);
//如果知道数据有多少行，就可以不用0

/**
		 * 1.创建数据格式
		 */
		//创建两个数值型
		Attribute num1 = new Attribute("num1");
		Attribute num2 = new Attribute("num2");
		//创建一个标称型
		ArrayList<String> labels = new ArrayList<String>();
		labels.add("no");
		labels.add("yes");
		Attribute cls = new Attribute("class", labels);
		//创建一个relation关系
		ArrayList<Attribute> attributes = new ArrayList<Attribute>();
		attributes.add(num1);
		attributes.add(num2);
		attributes.add(cls);
		//把创建的格式应用在数据集中
		//如果知道数据有多少行，就可以不用0
		Instances dataset = new Instances("Test-dataset", attributes, 0);
		
		/**
		 * 2.添加数据（第一行）
		 */
		double[] values = new double[dataset.numAttributes()];
		values[0] = 1.23;
		values[1] = 2;
		values[2] = dataset.attribute(2).indexOfValue("yes");
		dataset.add(new DenseInstance(1.0, values));
		
		/**
		 * 2.添加数据（第二行）
		 */
		values=new double[dataset.numAttributes()];
		values[0] = 10.23;
		values[1] = 100;
		values[2] = dataset.attribute(2).indexOfValue("no");
		dataset.add(new DenseInstance(1.0, values));
		System.out.println(dataset);

import weka.datagenerators.DataGenerator;
import weka.datagenerators.classifiers.classification.RDG1;
...
// configure generator
RDG1 generator = new RDG1();
generator.setMaxRuleSize(5);
// set where to write output to
java.io.PrintWriter output = new java.io.PrintWriter(
new java.io.BufferedWriter(new java.io.FileWriter("rdg1.arff")));
generator.setOutput(output);
DataGenerator.makeData(generator, generator.getOptions());
output.flush();
output.close();

/**
		 * 5.实现聚类方法
		 */
		String[] option=new String[4];	//设置相应的参数
		option[0]="-N";	//聚类数
		option[1]="2";
		option[2]="-I";	//最大迭代次数
		option[3]="500";
		SimpleKMeans kmeans = new SimpleKMeans(); // new instance of clusterer
		kmeans.setOptions(option); // set the options
		kmeans.buildClusterer(dataset); // build the clusterer
		
		/**
		 * 6.评价聚类，使用ClusterEvaluation
		 */
		ClusterEvaluation eval = new ClusterEvaluation();
		eval.setClusterer(kmeans);
		eval.evaluateClusterer(new Instances(dataset));
		System.out.println(eval.clusterResultsToString());

/**
		 * 6.评价聚类，使用ClusterEvaluation
		 */
		ClusterEvaluation eval = new ClusterEvaluation();
		eval.setClusterer(kmeans);
		eval.evaluateClusterer(new Instances(dataset));
		System.out.println(eval.clusterResultsToString());
		
		/**
		 * 7.每个实例的所属类别
		 */
		for(int i=0;i<eval.getClusterAssignments().length;i++){
			System.out.println(eval.getClusterAssignments()[i]);
		}