Что мы имеем в виду, когда говорим, что оцениваем кластеры в структуре WEKA? Кластеризация — это неконтролируемый подход к группировке объектов. Что мы имеем в виду, когда говорим, что хотим оценить результат? Кроме того, в дополнение к этому, когда мы говорим, что оцениваем кластеры поверх самих обучающих данных, что это значит?
Спасибо, Абхишек С.
Как написано на этой странице:
Оценка. То, как Weka оценивает кластеризацию, зависит от выбранного вами режима кластеризации. Доступны четыре различных режима кластера (в виде кнопок на панели режима кластера):
Use training set (по умолчанию). После создания кластеризации Weka классифицирует обучающие экземпляры в кластеры в соответствии с представлением кластера и вычисляет процент экземпляров, попадающих в каждый кластер. Например, приведенная выше кластеризация, созданная с помощью k-средних, показывает 43% (6 экземпляров) в кластере 0 и 57% (8 экземпляров) в кластере 1.Supplied test set или Percentage split Weka может оценивать кластеризацию на отдельных тестовых данных, если представление кластера является вероятностным (например, для EM).Classes to clusters evaluation. В этом режиме Weka сначала игнорирует атрибут класса и создает кластеризацию. Затем на этапе тестирования кластерам назначаются классы на основе большинства значений атрибута класса в каждом кластере. Затем он вычисляет ошибку классификации на основе этого назначения, а также показывает соответствующую матрицу путаницы. Пример этого для k-средних показан ниже.