我正在使用WEKA作为我的论文，并拥有超过1000行数据。该数据库包括人口统计信息（年龄，位置，状态等），后跟产品名称（价值1或0）。最终结果是推荐系统。
我使用了两种聚类方法K-Means和DBScan。
当使用K-means时，我尝试了3个不同数量的聚类，而使用DBscan我选择了3个不同的epsilons（Epsilon 3 = 48个聚类，忽略了17％的数据，Epsilone 2.5 = 19个聚类，而聚类0保存229个项目，忽略6％。）意味着我有6个不同的聚类结果用于相同的数据。
如何选择最适合我数据的内容？
答案 0 :(得分：1)
正如一些聪明人注意到的那样：
聚类的有效性通常在旁观者眼中
群集没有客观的“更好”，或者你没有进行聚类分析。
即使结果在某些数学度量上实际上“更好”，例如分离，轮廓，甚至在使用标签的监督评估时 - 它仍然只能更好地优化某些数学目标，< em>不是你的用例。
K-means为给定的k找到局部最优平方和分配。 （如果增加k，则存在更好的赋值！）DBSCAN（它实际上拼写为全部大写）总是找到给定MinPts / Epsilon组合的最佳密度连通分量。然而，两者都只是根据一些数学标准进行优化。 除非这个条款与您的要求一致，否则它就毫无价值。所以没有最好的，直到你知道你需要什么。但如果您知道自己需要什么，就不需要进行聚类分析。
尝试不同的算法和不同的参数，使用您的领域知识分析输出，如果它们可以帮助您解决您要解决的问题。如果他们帮助您解决问题，那么他们就是好的。如果他们没有帮助，请再试一次。
随着时间的推移，您将收集一些经验。例如，如果平方和对您的域没有意义，请不要使用k-means。如果您的数据没有有意义的密度，请不要使用基于密度的群集，例如DBSCAN。并不是这些算法失败了。他们只是没有解决你的问题，他们解决了你不感兴趣的不同的问题。他们可能真的善于解决这个问题... < / p>