如何測試 k-means 的實現？

免責聲明：我在 Stackoverflow 上發布了這個問題，但我認為這可能更適合這個平台。

您如何測試自己的多維數據集的 k-means 實現？

我正在考慮在數據上運行一個已經存在的實現（即Matlab）並將結果與我的算法進行比較。但這需要兩種算法的工作方式大致相同，並且兩種結果之間的映射可能不是小菜一碟。

你有更好的主意嗎？

k-means 包含一個隨機分量，因此除非您具有完全相同的實現並使用相同的起始配置，否則您不太可能獲得相同的結果。但是，您可以查看您的結果是否與眾所周知的實現一致（不了解 Matlab，但 R 中 k-means 算法的實現已得到很好的解釋，請參閱Hartigan & Wong，1979 年）。

至於比較兩個系列的結果，如果要多次運行，標籤切換仍然存在問題。同樣，在e1071 R 包中，有一個非常方便的函數 (; matchClasses()) 可用於在雙向分類表中查找兩個類別之間的“最佳”映射。基本上，這個想法是重新排列行以最大化它們與列的一致性，或者使用貪婪方法並置換行和列，直到對角線上的總和（原始一致性）最大。還提供了Kappa統計量等協議係數。

最後，關於如何對您的實現進行基準測試，有很多免費可用的數據，或者您可以模擬專用數據集（例如，通過有限混合模型，請參閱MixSim包）。

引用自：https://stats.stackexchange.com/questions/4930