Teşekkürler..
Ben 2012 yılında tezimi bu yöntem üzerine yazmıştım. Kdcup diye bir yarışma vardı. Onlar dataset sağlıyordu. Bir bak istersen.
Python'da şu kodu çalıştır:
import pandas as pd
from sklearn.datasets import make_blobs
X, y = make_blobs(n_samples=100, centers=3, n_features=2, random_state=0)
X,y = pd.DataFrame(X), pd.DataFrame(y)
X.to_csv('kmeans_data.csv', index=False)
y.to_csv('kmans_labels.csv', index=False)
Burada centers dediğimiz şey kaç tane cluster olduğu. Yani kmeans'te bulmak istediğin k sayısı. n_features dediğimiz datanın kaç boyutlu uzayda yer aldığı. n_samples dediğimiz kaç tane data noktası var. İstersen n_samples=100 yerine n_samples=[20,30,50] yazarsın, böylece birinci ikinci ve üçüncü cluster'da 20,30,50 eleman olacak şekilde ayarlamış olursun.
Sen spss'te kmeans_data.csv üzerinden çalışacaksın, doğru yapıp yapmadığını kmeans_labels.csv üzerinden test edeceksin. Bunu python üzerinden test etmek istersen kendi spss'te bulduğun label'ları mylabels.csv dosyasına yaz. Sonra:
from sklearn.metrics.cluster import homogeneity_score
mylabels = pd.read_csv('mylabels.csv', index=False)
print(homogeneity_score(y.tolist(), mylabels.tolist()))
bu sana ne kadar doğru yaptığını söyleyecek.
