# 5.2 聚類模式
Cluster Mode 一欄用來決定依據什么來聚類以及如何評價聚類的結果。前三個選項和分類的情形是一樣的:Use training set、 Supplied test set 和 Percentage split (見4.1節)——區別在于現在的數據是要聚集到某個類中,而不是預測為某個指定的類 別。第四個模式,Classes to clusters evaluation,是要比較所得到的聚類與在數據中 預先給出的類別吻合得怎樣。和 Classify 面板一樣,下方的下拉框是用來選擇作為類別 的屬性的。
在 Cluster mode 之外,有一個 Store clusters for visualization 的勾選框,該框決定 了在訓練完算法后可否對數據進行可視化。對于非常大的數據集,內存可能成為瓶頸時, 不勾選這一欄應該會有所幫助。
- 1 啟動 WEKA
- 2 WEKA Explorer
- 2.1 標簽頁
- 2.2 狀態欄
- 2.3 Log 按鈕
- 2.4 WEKA 狀態圖標
- 3 預處理
- 3.1 載入數據
- 3.2 當前關系
- 3.3 處理屬性
- 3.4 使用篩選器
- 4 分類
- 4.1 選擇分類器
- 4.2 測試選項
- 4.3 Class 屬性
- 4.4 訓練分類器
- 4.5 分類器輸出文本
- 4.6 結果列表
- 5 聚類
- 5.1 選擇聚類器(Clusterer)
- 5.2 聚類模式
- 5.3 忽略屬性
- 5.4 學習聚類
- 6 關聯規則
- 6.1 設定
- 6.2 學習關聯規則
- 7 屬性選擇
- 7.1 搜索與評估
- 7.2 選項
- 7.3 執行選擇
- 8 可視化
- 8.1 散點圖矩陣
- 8.2 選擇單獨的二維散點圖
- 8.3 選擇實例
- 參考文獻