基于Weka的数据聚类分析实验姓名：覃丽萍 专业：计算机应用技术 学号：20610020471. 实验基本原理及目的聚类分析中的“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。在本实验中，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。K均值算法首先随机的指定K个簇中心。然后：（1）将每个实例分配到距它最近的簇中心，得到K个簇；（2）计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。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。本次实验的目的，是通过利用Weka中提供的simpleKmeans方法对“bank-data”进行聚类分析，更深刻的理解k均值算法，并通过对实验结果进行观察分析，找出实验中
