在weka中进行聚类分析时，seed的值是什么含义
聚类需要类中心的位置，而weka初始类中心的选择是根据seed这个数，你修改seed，就能改变得到算法不同的初始类中心，然后来观察聚类结果的好坏
在weka中进行聚类分析时，seed的值是什么含义
通过程序吧分类 组别 导出就可以了。
不要看图。
用WEKA做聚类分析，得到聚类结果后,如何取得每个样本的数据
定义问题估计DA函数系数确定DA函数的显著性解释结果评估有效性定义问题判别分析的第一步第二步就是将样本分为：分析样本验证样本估算判别函数系数直接法（directmethod）就是同时用所有的预测变量估计判别函数，此时每个自变量都包括在内，而不考虑其判别能力。
这种方法适用于前期研究或理论模型显示应包括哪些自变量的情况。
逐步判别分析（stepwisediscriminantanalysis），预测变量依据其对组别的判别能力被逐步引入。
确定显著性零假设：总体中各组所有判别函数的均值相等。
特征值典型相关系数Wilk‘s(0,1)转换成卡方值检验见travel.spo解释结果系数的符号无关紧要，但能够表示每个变量对判别函数值的影响，以及与特定组的联系。
我们可以通过标准化判别函数系数的绝对值初步判断变量的相对重要性。
通过考察结构相关系数，也可以对预测变量的相对重要性进行判断。
组重心评估判别分析的有效性根据分析样本估计出的判别权数，乘以保留样本中的预测变量值，就得出保留样本中每个样本的判别分。
可以根据判别分及适当的规则划分为不同的组别。
命中率（hitratio）或称样本正确分类概率，就是分类矩阵对角线元素之和与总样本数的比例。
比较样本正确分类百分比与随机正确分类百分比。
高分求助：用weka运行模糊C均值聚类（FCM）算法，出来的结果看不懂，求解释
你这个是simplekmeans的结果图，不是FCM 的
Weka中有一趟聚类算法的实现吗
这个不是FCM的结果，你看算法那里选择的是simplekmeans
最近想学习数据挖掘，请问有基于weka的聚类算法的源码实现吗
我最近刚开始接触数据挖掘，在学习kmeans，由于随着kmeans中心的随机改动，聚类结果有些不合理的变化，所以正在试图将初始中心定下来
