cluster-analysis - 通过集群 K 进行数据挖掘 SSE

Question

我正在使用 K-Means 和聚类研究 WEKA。
一般来说，我会检查项目数据集上的不同算法。
我无法决定我应该选择什么最佳 SSE/Clusters 比率。
理论上，当我增加集群时，SSE 会减少，但是直到哪里？
找到了一些 K = (n/2)^0.5 的手指规则，有人可以支持这个吗？

Answer 1

请注意，Weka 没有很多集群。它主要是一个分类工具。

平方和是一个非常以 k-means 为中心的度量。不要费心将此度量与任何其他算法一起使用。这是过拟合：这是 k-means 优化的度量，所以它当然会最好（并且通过添加另一个集群，它将能够进一步改进这个度量，这不足为奇）。

如果要评估聚类的质量，最可靠（尽管也值得怀疑）的方法是使用标记数据集。