如何评估我的聚类算法

Question

我开始在 weka 中使用简单的 k-mean 聚类进行聚类

聚类后显示此结果

迭代次数：9

在簇内误差平方和：570.1974952009115

我的问题：

1. 误差平方和的数量很大，这是否意味着我的集群数量是错误的？以及如何定义乐观的簇数？

2. 如何将数据分成训练集和测试集来评估性能？以及如何知道正确的百分比？

3. 如何测量 SSB

Answer 1

1.1 在 k-means 中，你决定选择多少个集群。你可能已经知道了。

1.2 在 k-means 中，没有像“函数图的全局最大值”那样的最佳聚类数。您可以根据您的业务问题做出决定。另请参阅“elbow method”了解在实践中很少起作用的半经验程序。

1.3 您的数据中可能存在异常值，这使得 any 聚类操作的平方和变大。无论您选择多少个聚类，离群值总是远离您的聚类中心。

2.1 没有“最佳”百分比分割。

2.2 您可以使用可视化来检查集群中是否有任何重叠。您的观众看到“决策边界”也更容易理解。

3.1 什么是单边带？