分かりやすいデータに X-means を適用した結果
下記のプログラムに示すように，４クラスから成るデータに対して，クラスタ数の下限を２，上限を５として X-means 法によるクラスタリングを行った．
（参考：下限・上限を指定しない場合のデフォルト値は「下限 2，上限 4」である）
// 配列データを Weka のインスタンスとして x-means 法を適用する．
/*
test.txt の内容は以下のとおり．２次元空間において，４クラスから成ると想定する．
----------------------------
1.0,1.0,label
1.1,1.0,label
1.0,1.1,label
4.0,1.0,label
4.1,1.0,label
4.1,1.1,label
1.0,4.0,label
1.0,4.1,label
1.1,4.1,label
4.0,4.0,label
4.1,4.0,label
4.1,4.1,label
----------------------------
*/
// [コンパイル＆実行]
// javac -cp weka.jar WekaXmeans.java
// java -cp weka.jar:. WekaXmeans
import java.io.*;
import weka.core.*;
import weka.clusterers.*;
import weka.core.neighboursearch.KDTree;
public class WekaXmeans {
public static void main(String[] args) throws Exception {
//属性名の設定
FastVector attributes = new FastVector();
attributes.addElement(new Attribute("attribute1"));
attributes.addElement(new Attribute("attribute2"));
//インスタンス集合の定義
Instances dataClusterer = new Instances("test", attributes, 0);
/// iris.txt からのデータ読み込み ＆ インスタンス集合の生成（ここから） ///
try {
BufferedReader fin = new BufferedReader(
new FileReader("test.txt"));
String s;
while((s = fin.readLine()) != null){
String[] ss = s.split(",");
//インスタンス１個分のデータを配列に入れておいて・・・
int dimension = 2;
double[] data = new double[dimension];
for(int i = 0; i < dimension; i++) data[i] = Double.parseDouble(ss[i]);
//インスタンスを作り・・・
Instance instance = new Instance(1.0, data);
//インスタンス集合に追加（登録）する
dataClusterer.add(instance);
}
fin.close();
} catch(Exception e){
System.err.println("データ読み込み中にエラー");
System.exit(1);
}
/// iris.txt からのデータ読み込み ＆ インスタンス集合の生成（ここまで） ///
////////// clusterer（クラスタリングモデル）を作る //////////
// クラスタリング手法として x-means 法を用いる
XMeans clusterer = new XMeans();
clusterer.setMinNumClusters(2);
clusterer.setMaxNumClusters(5);
//setOptions メソッドを用いてオプションを設定する場合，以下のようにする．
/*
String[] options = {"-L", "2",
"-H", "7",
"-use-kdtree",
"-K", "weka.core.neighboursearch.KDTree -P"};
clusterer.setOptions(options);
*/
clusterer.buildClusterer(dataClusterer); //学習データを与えて clusterer を構築
////////// clusterer（クラスタリングモデル）の評価 //////////
ClusterEvaluation eval = new ClusterEvaluation();
eval.setClusterer(clusterer); // 評価したい clusterer を設定
eval.evaluateClusterer(dataClusterer); // テストデータとして元データを与える
////////// clusterer の評価結果（サマリ）を出力 //////////
System.out.println(eval.clusterResultsToString());
// クラスタリングの結果として割り当てられたクラス番号を得る
double[] assignment = eval.getClusterAssignments();
for(int i = 0; i < assignment.length; i++){
System.out.print((int)assignment[i] + " ");
}
}
}実行結果は以下のとおりで，４個のクラスタを検出できた．
XMeans
======
Requested iterations : 1
Iterations performed : 1
Splits prepared : 2
Splits performed : 2
Cutoff factor : 0.5
Percentage of splits accepted
by cutoff factor : 0 %
------
Cutoff factor : 0.5
------
Cluster centers : 4 centers
Cluster 0
4.066666666666666 4.033333333333333
Cluster 1
4.066666666666666 1.0333333333333334
Cluster 2
1.0333333333333334 4.066666666666666
Cluster 3
1.0333333333333334 1.0333333333333334
Distortion: 5.841547
BIC-Value : -8.862267
Clustered Instances
0 3 ( 25%)
1 3 ( 25%)
2 3 ( 25%)
3 3 ( 25%)
3 3 3 1 1 1 2 2 2 0 0 0ちなみに，Iris データでも試してみたが，（相変わらず）２個のクラスタしか得られなかった．
