weka 的 kmeans 输出 (WCSS) 是什么意思？答案

【问题标题】：What's weka's kmeans output (WCSS) mean?weka 的 kmeans 输出 (WCSS) 是什么意思？
【发布时间】：2013-10-22 00:39:21
【问题描述】：

我正在使用 weka 进行 K-means 聚类，当我尝试了一个小集合并发现群内误差平方和 (WCSS) 值不是我想的那样。

我认为 WCSS 是所有元素到它的集群中心的平方距离之和，但值不对：

例如：数据集是：

3.0, 2.0, 3.0, 0.0, 0.0, 2.0, 1.0, 0.0, 1.0
4.0, 1.0, 3.0, 0.0, 1.0, 0.0, 1.0, 4.0, 1.0
4.0, 1.0, 7.0, 0.0, 1.0, 1.0, 0.0, 1.0, 1.0
3.0, 2.0, 7.0, 0.0, 0.0, 2.0, 1.0, 1.0, 0.0
3.0, 2.0, 6.0, 1.0, 0.0, 1.0, 0.0, 2.0, 1.0
4.0, 2.0, 5.0, 1.0, 1.0, 1.0, 1.0, 0.0, 0.0
4.0, 1.0, 8.0, 0.0, 1.0, 2.0, 0.0, 0.0, 1.0
3.0, 2.0, 2.0, 0.0, 1.0, 1.0, 0.0, 0.0, 1.0
3.0, 2.0, 0.0, 0.0, 1.0, 1.0, 1.0, 3.0, 1.0

集群（只有一个）中心是3, 2, 3, 0, 1, 1, 1, 0, 1：

weka 输出的 WCSS 是 39，但根据我的理解，应该是133。我知道我对 WCSS 的含义一定是错的，有人可以告诉我吗？

【问题讨论】：

标签： cluster-analysis weka k-means

【解决方案1】：

我相信报告的是属性值标准化后的 WCSS。不幸的是，我无法复制您的结果。

但是，将您的数据集与 SimpleKMeans (k=1) 结合使用，我得到了以下结果：

在规范化属性值之前，WCSS 是 26.4375
规范化属性值后，WCSS 为 26.4375

这个source也表示Weka的K-means算法自动归一化属性值。

【讨论】：

我将集群的数量设置为1，但我意识到我将他的集群中心添加为数据点！我现在正在更新 WCSS 值，但仍然不是他的结果。
正常化似乎是这样：weka.8497.n7.nabble.com/questions-about-clustering-td3805.html 可惜我们不能得到相同的数字
我们的结果不同，因为我将这些数据（全部）视为名义数据，
在这种情况下，名义属性被转换为二进制。我不相信您应该期望结果与您的数值计算相同。如果您以 .arff 格式提供数据示例，我们可以尝试确认这一点（在不知道您的名义数据水平的情况下，这将是一项艰巨的任务）！
谢谢，这是我的 .arff 文件：

【解决方案2】：

@关系癌症

@attribute a1{1,2,3,4,5,6}

@attribute a2{0,1,2}

@attribute a3{0,1,2,3,4,5,6,7,8,9,10}

@attribute a4{0,1,2,3,4,5,8}

@attribute a5{0,1}

@attribute a6{0,1,2}

@attribute a7{0,1}

@attribute a8{0,1,2,3,4}

@attribute a9{0,1}

@attribute 标签{0,1}

@数据

3,2,3,0,0,2,1,0,1,1

4,1,3,0,1,0,1,4,1,0

4,1,7,0,1,1,0,1,1,1

3,2,7,0,0,2,1,1,0,0

3,2,6,1,0,1,0,2,1,1

4,2,5,1,1,1,1,0,0,0

4,1,8,0,1,2,0,0,1,0

3,2,2,0,1,1,0,0,1,0

3,2,0,0,1,1,1,3,1,0

【讨论】：

K-means 真正适用于 continuous 值，而不适用于分类数据（即使您对类别进行二进制编码或给它们数字标签）。因为均值不再有意义。