Cluster analysis 基于结果选择聚类方法

我在用WEKA写论文，有1000多行数据。数据库包括人口统计信息（年龄、位置、状态等），后跟产品名称（值为1或0）。最终结果是一个推荐系统。 我使用了两种聚类方法，

K-Means

和

DBScan

当使用

K-means

时，我尝试了3个不同数量的聚类，而使用

DBscan

时，我选择了3个不同的ε（ε3=48个聚类，忽略了17%的数据，ε2.5=19个聚类，而聚类0包含229个项目，忽略了6%），这意味着我对相同的数据有6个不同的聚类结果

如何选择最适合我的数据？

什么是“最佳”？ 一些聪明人注意到：

聚类的有效性通常在旁观者的眼中

客观上没有更好的聚类方法，或者你没有做聚类分析

即使某个结果在某些数学度量（如分离、轮廓）上实际上“更好”，或者甚至在使用标签进行监督评估时——它仍然只会更好地优化某些数学目标，而不是优化您的用例

K-均值为给定的K找到一个局部最优平方和赋值。（如果你增加k，就会有更好的赋值！）DBSCAN（实际上它的拼写都是正确的大写）总是为给定的MinPts/Epsilon组合找到最佳的密度连接组件。然而，两者都只是根据一些数学标准进行优化除非此标准符合您的要求，否则它毫无价值。所以没有最好的，除非你知道你需要什么。但是如果你知道你需要什么，你就不需要做聚类分析了

那怎么办呢？ 尝试不同的算法和不同的参数，并使用您的领域知识分析输出，如果它们能帮助您解决您试图解决的问题。如果它们能帮助你解决问题，那么它们是好的。如果他们没有帮助，请再试一次

随着时间的推移，你会积累一些经验。例如，如果平方和对您的域没有意义，请不要使用k-means。如果您的数据没有有意义的密度，请不要使用基于密度的集群，如DBSCAN。并不是这些算法失败了。他们只是解决不了你的问题，他们解决了另一个你不感兴趣的问题。他们可能真的很擅长解决另一个问题