simplekmeans 聚类上的聚类质心
Cluster centroids on simplekmeans clustering
我目前正在尝试解释从 运行 SimpleKMeans 聚类 Diabetes.arff 数据集上收集的一组结果。
http://i.stack.imgur.com/T4eho.jpg - link 到集群实例（图 1）
到目前为止，我可以理解聚类实例（图 1）显示 500 个变量被分类为测试阴性，268 个变量被分类为测试阳性。
http://i.stack.imgur.com/X9szt.jpg - link 到真实值（图 2）
将这些值与真实值进行比较时，差异不大，因为正确的聚类应该表明 500 个被分类为测试阴性，268 个被分类为测试阳性。这在技术上意味着 SimpleKMeans 聚类方法适用于此数据集，因为它已正确分类实例。
但我不知道如何解释完整数据、集群 #0 和集群 1 标题下的集群质心 table 中的信息。他们告诉我们关于数据集的什么信息（图 1）？
您应该在进行聚类之前删除 class 属性。它具有太多的预测能力，因此，聚类算法在内部有强烈的偏好 class 属性。
您可以在 "Preprocess" 面板中单击 "remove" 按钮或在 "Cluster" 面板中单击 "ignore attributes"，然后选择 "class"属性。
然后再聚类。我建议从 k = 2 开始，这是 "class" 属性的唯一值的数量。 （然后检查聚类分配是否对应于原始属性，或者做其他事情。）
顺便说一句，在我看来，您不是在处理 "glass" 数据集，而是在处理 "diabetes" 数据集。
我目前正在尝试解释从 运行 SimpleKMeans 聚类 Diabetes.arff 数据集上收集的一组结果。
http://i.stack.imgur.com/T4eho.jpg - link 到集群实例（图 1）
到目前为止，我可以理解聚类实例（图 1）显示 500 个变量被分类为测试阴性，268 个变量被分类为测试阳性。
http://i.stack.imgur.com/X9szt.jpg - link 到真实值（图 2）
将这些值与真实值进行比较时，差异不大，因为正确的聚类应该表明 500 个被分类为测试阴性，268 个被分类为测试阳性。这在技术上意味着 SimpleKMeans 聚类方法适用于此数据集，因为它已正确分类实例。
但我不知道如何解释完整数据、集群 #0 和集群 1 标题下的集群质心 table 中的信息。他们告诉我们关于数据集的什么信息（图 1）？
您应该在进行聚类之前删除 class 属性。它具有太多的预测能力，因此，聚类算法在内部有强烈的偏好 class 属性。
您可以在 "Preprocess" 面板中单击 "remove" 按钮或在 "Cluster" 面板中单击 "ignore attributes"，然后选择 "class"属性。
然后再聚类。我建议从 k = 2 开始，这是 "class" 属性的唯一值的数量。 （然后检查聚类分配是否对应于原始属性，或者做其他事情。）
顺便说一句，在我看来，您不是在处理 "glass" 数据集，而是在处理 "diabetes" 数据集。