基于聚类K的数据挖掘SSE

Question

我正在使用K-Means和聚类处理WEKA。

通常，我在项目的数据集上检查不同的算法。

我不能决定我应该选择什么最佳SSE/集群比率。

从理论上讲，随着集群的增加，SSE会减少，但直到哪里呢？

发现了一些手指法则，K= (n/2)^0.5，有人能对此表示赞同吗？

Answer 1

请注意，Weka没有太多的集群。它主要是一个分类工具。

平方和是一种以k均值为中心的度量。不要费心将此度量用于任何其他算法。这是过度拟合:这是k-means优化的度量，所以它当然会得到最好的结果(通过添加另一个集群，它将能够进一步改进这个度量，这并不令人惊讶)。

如果您想要评估集群的质量，最可靠(尽管也有问题)的方法是使用带标签的数据集。