我在论文中使用 WEKA，并且有超过 1000 行数据。该数据库包括人口统计信息（年龄、位置、状态等），然后是产品名称（值 1 或 0）。最终结果是一个推荐系统。我使用了两种聚类方法，K-Means和DBScan。
使用时K-means我尝试了 3 个不同数量的集群，而使用时DBscan我选择了 3 个不同的 epsilon（Epsilon 3 = 48 个集群，忽略了 17% 的数据，Epsilone 2.5 = 19 个集群，而集群 0 包含 229 个项目，忽略了 6%。）意思是我有相同数据的 6 个不同聚类结果。
如何选择最适合我的数据的内容？
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的眼中
聚类没有客观上的“更好”，或者您没有进行聚类分析。
即使结果实际上在某些数学度量上“更好”，例如分离、轮廓，甚至在使用标签进行监督评估时 - 它仍然只是在优化某些数学目标方面更好，而不是针对您的用例。
K-means 找到给定 k 的局部最优平方和分配。（如果增加 k，则存在更好的分配！） DBSCAN（实际上正确拼写为全大写）总是为给定的 MinPts/Epsilon 组合找到最佳的密度连接分量。然而，两者都只是针对某些数学标准进行优化。除非此标准符合您的要求，否则它毫无价值。所以没有最好的，直到你知道你需要什么。但是，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，并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，那么他们很好。如果他们没有帮助，请再试一次。
随着时间的推移，你会积累一些经验。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聚类，例如 DBSCAN。并不是这些算法失败了。他们只是不解决您的问题，他们解决了您不感兴趣的不同问题。而且他们可能真的很擅长解决其他问题......