A. weka中自己带了哪些分类算法啊，比如决策树之外的。
weka算法有很多，按大类分有bayes，function，tree以及rules算法等。各个大类下面包含很多算法，比如tree类下就有决策树，logistic tree，functional tree， random forest等等。具体可以看一下wake软件说明。
B. Kmeans聚类算法的聚类数目可能小于K吗
是否可能取决于你的算法是如何实现的。建议你看看weka和matlab的km算法实现。聚类数小于k的原因是聚类过程中出现空簇，如果没有特殊的处理，这个问题是无法在后续的循环中自行解决的。weka的实现是允许输出聚类数小于k的，出现空簇就直接将空簇删除；而matlab的km有一个参数用于解决聚类数小于k的问题，例如直接选择最远离聚类中心的点作为一个新的簇。
C. 我在做文本数据挖掘，要用到聚类分析，想请问matlab、weka这两款软件哪一个更加适合文本聚类分析呢，谢谢
如果单指软件本身，显然是weka，至少有这方面的功能模块。matlab本身是数值计算软件，根本没有这类功能。
另外这两个软件都可以添加功能库，相对来说weka可加的库只能是java的，步骤也麻烦。matlab的添加工具箱之类很简单，引用也方便，但估计做这方面研究的很少拿matlab做，应该很难找相关资源。
如果专门搞这个的，应该找找其它软件。
当然如果是做研究的，深入到具体算法，那还都是数学问题，可以在matlab底下处理。
D. 如何用weka将多种分类算法集成起来
需要将文件转换成标称（nominal)类型，weka把exel中的数字看作是数据类型，不能处理，从而导致Apriori算法没法用。
WEKA的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis)，同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。wekaWEKA作为一个公开的数据挖掘工作，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。
如果想自己实现数据挖掘算法的话，可以参考weka的接口文档。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。
2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的Weka小组荣获了数据挖掘和知识探索领域的最高服务奖，Weka系统得到了广泛的认可，被誉为数据挖掘和机器学习 历史上的里程碑，是现今最完备的数据挖掘工具之一(已有11年的发展历史)。Weka的每月次数已超过万次。