如何评价我的聚类算法

Question

我用简单的K均值聚类在秧鸡

聚类后，这一结果显示

迭代次数开始聚集：9

内平方集群总和错误：570.1974952009115

我的问题：

1. 错误平方和的数量很大这是否意味着我的群集数是错误的？以及如何定义乐观的群集数量？

2. 如何将数据拆分为训练和测试集以评估性能？以及如何知道正确的比例？

3. 如何衡量SSB

Answer 1

1.1在K-意味着它是你谁决定多少个簇来接。你可能已经知道了。

1.2在k-means中没有最佳数量的聚类，如“函数图的全局最大值”所示。您决定尊重您的业务问题。另见“elbow method”，这是一个在实践中很少有效的半经验程序。

1.3您可能在您的数据中有异常值，这些异常值使任何聚类操作的平方和大。无论您选择多少个群集，异常值总是远离您的群集中心。

2.1没有“最佳”百分比分割。

2.2您可以使用可视化来检查群集中是否有重叠。让观众看到“决策界限”也更容易理解。

3.1什么是SSB？