データの特性と X-means on Weka の振る舞い
２次元，２個／クラスのサンプルを与えた場合
４クラスのデータを想定．
x-means のオプション設定は kMin=2, kMax=5．
データ：
1.0,1.0,label1 1.1,1.0,label1 4.0,1.0,label2 4.1,1.0,label2 1.0,4.0,label3 1.0,4.1,label3 4.0,4.0,label4 4.1,4.0,label4
結果は，２個のクラスタと認識．クラスあたりのサンプルが少ないため，クラス内分散が大きめに評価されたのか？
Cluster centers : 2 centers
Cluster 0
3.033333333333333 3.016666666666667
Cluster 1
1.05 1.0
Distortion: 3.874189
BIC-Value : -13.679484
Clustered Instances
0 6 ( 75%)
1 2 ( 25%)
２次元，３個／クラスのサンプルを与えた場合
４クラスのデータを想定．
x-means のオプション設定は kMin=2, kMax=5．
データ：
1.0,1.0,label1 1.1,1.0,label1 1.0,1.1,label1 4.0,1.0,label2 4.1,1.0,label2 4.1,1.1,label2 1.0,4.0,label3 1.0,4.1,label3 1.1,4.1,label3 4.0,4.0,label4 4.1,4.0,label4 4.1,4.1,label4
このデータの場合，４個のクラスタと認識．
Cluster centers : 4 centers
Cluster 0
4.066666666666666 4.033333333333333
Cluster 1
4.066666666666666 1.0333333333333334
Cluster 2
1.0333333333333334 4.066666666666666
Cluster 3
1.0333333333333334 1.0333333333333334
Distortion: 5.841547
BIC-Value : -8.862267
Clustered Instances
0 3 ( 25%)
1 3 ( 25%)
2 3 ( 25%)
3 3 ( 25%)
３次元，３個／クラスのサンプルを与えた場合
４クラスのデータを想定．
x-means のオプション設定は kMin=2, kMax=5．
データ：
1.0,1.0,1.0,label1 1.1,1.0,1.0,label1 1.0,1.1,1.0,label1 4.0,1.0,1.0,label2 4.1,1.0,1.0,label2 4.1,1.1,1.0,label2 1.0,4.0,4.0,label3 1.0,4.1,4.0,label3 1.1,4.1,4.0,label3 4.0,4.0,4.0,label4 4.1,4.0,4.0,label4 4.1,4.1,4.0,label4
このデータの場合，４個のクラスタと認識．低次元のためか，サンプル数の方が大切かな？
Cluster centers : 4 centers
Cluster 0
4.066666666666666 4.033333333333333 4.0
Cluster 1
1.0333333333333334 4.066666666666666 4.0
Cluster 2
4.066666666666666 1.0333333333333334 1.0
Cluster 3
1.0333333333333334 1.0333333333333334 1.0
Distortion: 5.873967
BIC-Value : -0.019638
Clustered Instances
0 3 ( 25%)
1 3 ( 25%)
2 3 ( 25%)
3 3 ( 25%)
ISOLET Data Set
多次元データに対する Weka の挙動を調べるための実験．
UCIレポジトリに置いてある ISOLET Data Set
UCI Machine Learning Repository: ISOLET Data Setのうち，isolet1+2+3+4.data を用いる．
26クラス，サンプル数 6238個，次元数 617．
x-means のオプション設定は kMin=2, kMax=30．
実行結果は以下のとおり．短時間で処理を終えたが，４クラスタと認識．
XMeans ====== Requested iterations : 1 Iterations performed : 1 Splits prepared : 2 Splits performed : 2 Cutoff factor : 0.5 Percentage of splits accepted by cutoff factor : 0 % ------ Cutoff factor : 0.5 ------ Cluster centers : 4 centers Distortion: 30719.105928 BIC-Value : -2991366.038678 Clustered Instances 0 1352 ( 22%) 1 1394 ( 22%) 2 1568 ( 25%) 3 1924 ( 31%)
