是否可以使用数字属性作为 K 均值聚类的类？

Posted 2023-03-13

【中文标题】是否可以使用数字属性作为 K 均值聚类的类？

【英文标题】：Is it possible using numeric attribute as class for K-means clustering?

【发布时间】：2017-05-29 12:29:36

【问题描述】：

@attribute CustomerID       NUMERIC
@attribute Age              A,B,C,D,E,F,G,H,I,J,K
@attribute Region           A,B,C,D,E,F,G,H
@attribute ProductSubClass  NUMERIC
@attribute ProductID        NUMERIC 
@attribute Quantity         NUMERIC
@attribute Cost             NUMERIC
@attribute sales            NUMERIC

@data
00141833,F,F,130207,4710105011011,2,44,52
01376753,E,E,110217,4710265849066,1,150,129
01603071,E,G,100201,4712019100607,1,35,39
01738667,E,F,530105,4710168702901,1,94,119

上面是标题和部分 Trianing 数据集 training.arff 文件 我想使用 Kmeans 聚类和 J48 分类器，我可以毫无问题地做到这一点。流动的是我的测试数据集 test.arff

@attribute CustomerID       NUMERIC
@attribute Age              A,B,C,D,E,F,G,H,I,J,K
@attribute Region           A,B,C,D,E,F,G,H
@attribute ProductSubClass  NUMERIC
@attribute ProductID        INTEGER
@attribute Quantity         NUMERIC
@attribute Cost             NUMERIC
@attribute sales            NUMERIC

@data
1754698,H,A,560402,?,1,676,849
1027365,F,C,530404,?,1,170,219
956710,E,E,500303,?,1,36,59

在这两种情况下，我都确保 ProductID 被选为 Class

这是我做的步骤

Setp1: assigning "AddCluster" to use K-means clusterig for each instance in the dataset 
step2: and then using J48 classificaion algorithm to evaluate the performance of the clustering algorithms using 10-fold cross validation option 
Step3: save Finalized Model and close weka (I am closing to test if I can relode and use it agian)
Step4:Load the Model in weaka (Useing "Load Model")
step5: This time I am selecting "supplied test set"  and select test file to predict (which is same formate as I mentioned in the questien above)
step6: I am trying "Re-evaluate model on  current test set" 

但是在这里我收到一个通知“用于训练模式测试集的数据不兼容。您想自动包装分类器吗？ 在“继续之前的 inputMappedClassifier？”中 在纯文本中给出以下输出：

=== Predictions on user test set ===

    inst#     actual  predicted error prediction
        1          ?      0              ? 
        2          ?      0              ? 
        3          ?      0              ? 
        4          ?      0              ? 
        5          ?      0              ? 
        6          ?      0              ? 
        7          ?      0              ? 
        8          ?      0              ? 
        9          ?      0              ? 
       10          ?      0              ? 
       11          ?      0              ? 
       12          ?      0              ? 
       13          ?      0              ? 
       14          ?      0              ? 
       15          ?      0              ? 
       16          ?      1              ? 
       17          ?      0              ? 
       18          ?      0              ? 
       19          ?      0              ? 
       20          ?      0              ? 
       21          ?      0              ? 

现在 1. 是否可以使用数字字段 ProductID 作为一个类，因为我必须在考虑其他属性的情况下根据 ProductID 预测客户对产品的选择。

如果是这样，我遇到了另一个问题训练和测试集不兼容这个错误是否与选择数字属性有任何联系？

注意：我使用的是 Weka 3.8.1 GUI

【问题讨论】：

K-means 不能使用类信息。这是一种聚类算法，而不是分类算法。它还将忽略所有非数字列，因为您无法在那里计算均值。

还要确保不包含 ID 列。手段在这里也没有意义，这些列不能被认为是数字！通过查看您的属性名称，我会说 k-means 在这里完全没用。

【参考方案1】：

您的测试数据集可能缺少 K-Means 聚类操作可能添加到训练集中的 cluster-id（您是否告诉 Weka 这样做？），但没有添加到测试数据集。

除此之外，K-Means 的全部意义在于将其用于聚类而非分类。

坦率地说，你的应用不正确，没有给我们读者足够的信息（J48？），并且在这里问了（至少）两个问题。

【讨论】：

感谢您的关注。我对数据挖掘和 Weka 很陌生。请检查我已经编辑了我的问题，添加了其他信息。如果我做错了，请告诉我