B. Evaluation ofCluster Validity Cr

B. Evaluation ofCluster Validity Criterions
As we talked in Section III, there are many cluster validitycriterions can be used to evaluate the performance of
clustering algorithms. But the performance of cluster validity
criterions themselves is different. In this section, we will first
evaluate these validity criterions by applying a single feature
selection method DF on different datasets on which the
performance has already reached a compatible view in this
research field.
DF is a simple but effective feature selection method. When
applying DF on text datasets, if minority of terms are removed,
the clustering performance will be improved or no loss. When
more terms removed, the clustering performance will drop
quickly.
The values of different validity criterions when applying DF
on different datasets are showed in Fig. 1.
The results of AA, RS, FM are respectively range from
0.5714 to 0.7201, from 0.7370 to 0.8928, from 0.1422 to
0.5157. As can be seen in Fig. 1, four curves of RS methods
on different four datasets approximately follow the rule we
mentioned above. But the curves are very gently, so the trends
are not distinct. Four curves ofAA are all follow the rule well
except the curve of TR45. Curves of FM on datasets FBIS and
REI follow the rule of DF very well, while curves of TR45
and TR4 1 surge randomly.
So as to the result of our first experiment, AA is the best
validity criterion. And we can see from the result that text
classification performance varies greatly on different dataset.
The performance of FBIS and REI are much better than the
others. And if we only consider the result of FBIS and REI,
AA and FM validity criterions are both good, and FM may
even better. So in the experiments below, we will mainly use
FBIS and REI datasets, as well as AA and FM validity
criterions.
V. EVALUATION OF FEATURE SELECTION METHODS
The following experiments we conducted are to compare
the unsupervised feature selection methods DF, TC, TVQ and
TV.
We chose K-means to be the clustering algorithm.Since K-means clustering algorithm is easily influenced by selection of
initial centroids, we random produced 5 sets of initial
centroids for each dataset and averaged 5 times performance
as the final clustering performance.
The AA and FM results on FBIS and REI are shown in Fig.
2 to Fig. 5.
From these figures, first, we can see that the unsupervised
feature selection methods can improve the clustering
performance when a certain terms are removed. For all
methods in our experiments, at least 70% terms can be
removed with no loss in clustering performance on bothdatasets. And for most feature selection methods, when certain
features are removed, the clustering performances can be
improved. For instance, when 20% terms of FBIS are
removed by TC method, it can achieve 9.4% FM value
improvement.
Second, TC is the steadiest method in all. The performance
of clustering will not descend distinctly when terms are
removed. The results of TC method are shown in Fig. 6.
Third, TV method is a little worse than TC, but much better
than DF and TVQ. DF method drop quickly when more than
60% terrns are removed, and the performance of TVQ is very
bad when more than 70% terms are removed from RE 1
dataset. The results of TV method are shown in Fig. 7. When
no more than 80% terms are removed from datasets by TV
method, there will be no loss in clustering performance.
VI. CONCLUSION
Clustering is one of the most important tasks in the data
mining process for discovering groups and identifying
interesting distributions and patterns in the underlying data. In
order to solve the high dimensionality and inherent data
sparsity problems of feature space, feature selection methods
are used. In real case, the class information is unknown, so
only unsupervised feature selection methods can be exploited.
In this paper, we evaluate several unsupervised feature
selection methods, including DF, TC, TVQ and a new
proposed method TV. TC and TV are better than DF and TVQ. We also indicate in this paper that the performances of
different cluster validity criterions are not same, and AA and
FM criterions are better for evaluating the clustering results.

Results (Indonesian) 1:

B. ofCluster evaluasi kriteria validitasKetika kita berbicara dalam Bagian III, ada banyak gugus validitycriterions dapat digunakan untuk mengevaluasi kinerjamenggunakan Clustering algorithms. Tapi kinerja cluster validitaskriteria mereka sendiri berbeda. Dalam bagian ini, kita akan pertamamengevaluasi kriteria validitas ini dengan menerapkan fitur tunggalPemilihan metode DF pada berbeda dataset yangkinerja telah mencapai pandangan kompatibel dalam inibidang penelitian.DF adalah sederhana namun efektif fitur metode seleksi. Kapanmenerapkan DF pada dataset teks, jika minoritas istilah dihapus,kinerja clustering akan meningkat atau tidak ada kerugian. Kapanlebih banyak istilah dihapus, kinerja clustering akan turuncepat.Nilai-nilai berbeda berlaku kriteria ketika menerapkan DFpada dataset yang berbeda yang menunjukkan dalam gambar 1.Hasil FM AA, RS, yang masing-masing berkisar dari0.5714 untuk 0.7201, dari 0.7370 ke 0.8928, dari 0.1422 untuk0.5157. sebagai dapat dilihat pada gambar 1, empat kurva RS metodepada dataset empat yang berbeda sekitar mengikuti aturan kitadisebutkan di atas. Tetapi kurva sangat lembut, sehingga trentidak berbeda. Empat kurva ofAA adalah semua mengikuti aturan baikkecuali kurva TR45. Kurva FM pada dataset FBIS danREI mengikuti aturan DF dengan baik, sementara kurva TR45dan TR4 1 gelombang secara acak.Jadi untuk hasil dari percobaan pertama kami, AA adalah yang terbaikkriteria validitas. Dan kita dapat melihat bahwa teks dari hasilklasifikasi kinerja sangat bervariasi pada dataset yang berbeda.Kinerja FBIS dan REI jauh lebih baik daripadalain-lain. Dan jika kita hanya mempertimbangkan hasil dari FBIS dan REI,AA dan FM validitas kriteria yang sama baik, dan mungkin FMbahkan lebih baik. Jadi dalam eksperimen-eksperimen di bawah ini, kita akan terutama menggunakanFBIS dan dataset REI, serta validitas AA dan FMkriteria.V. EVALUASI METODE SELEKSI FITURPercobaan berikut yang kami dilakukan adalah untuk membandingkantanpa pengawasan fitur pilihan metode DF, TC, TVQ-nya danTV.Kami memilih K-cara untuk menjadi clustering algoritma. Sejak K-berarti clustering algoritma dengan mudah dipengaruhi oleh pilihancentroids awal, kami acak menghasilkan 5 set awalcentroids untuk setiap dataset dan rata-rata kinerja 5 kalisebagai clustering kinerja akhir.Hasil AA dan FM FBIS dan REI yang ditampilkan di ara.2-5 gambar.Dari angka-angka ini, pertama, kita dapat melihat bahwa tanpa pengawasanMetode Seleksi fitur dapat meningkatkan pengelompokankinerja pada saat syarat-syarat tertentu akan dihapus. Untuk semuametode dalam percobaan kami, setidaknya ada 70% persyaratan dapatdihapus tanpa kehilangan dalam pengelompokan kinerja pada bothdatasets. Dan untuk kebanyakan metode seleksi fitur, ketika tertentuFitur dihapus, pertunjukan clustering dapatditingkatkan. Sebagai contoh, ketika persyaratan 20% FBIS yangdihapus dengan metode TC, hal ini dapat mencapai nilai FM 9,4%perbaikan.Kedua, TC adalah metode steadiest dalam semua. Kinerjadari pengelompokan akan tidak turun jelas ketika persyaratandihapus. Hasil metode TC ditunjukkan pada gambar 6.Ketiga, metode TV sedikit lebih buruk daripada TC, tetapi jauh lebih baikdaripada DF dan TVQ-nya. Drop metode DF dengan cepat ketika lebih dari60% terrns akan dihapus, dan kinerja TVQ-nya sangatburuk ketika lebih dari 70% persyaratan akan dihapus dari RE 1dataset. Hasil metode TV ditunjukkan pada gambar 7. Kapantidak lebih dari 80% persyaratan akan dihapus dari dataset oleh TVmetode, akan ada kehilangan dalam pengelompokan kinerja.VI. KESIMPULANPengelompokan adalah salah satu tugas yang paling penting dalam dataproses pertambangan untuk menemukan kelompok dan mengidentifikasimenarik distribusi dan pola dalam data yang mendasarinya. Dalamuntuk mengatasi dimensi tinggi dan melekat datasparsity masalah fitur ruang, metode seleksi fiturdigunakan. Dalam kasus nyata, kelas informasi yang tidak diketahui, jadihanya metode seleksi tanpa pengawasan fitur dapat dimanfaatkan.Dalam tulisan ini, kita mengevaluasi beberapa fitur tanpa pengawasanmetode seleksi, termasuk DF, TC, TVQ-nya dan barumetode yang diusulkan TV. TC dan TV yang lebih baik daripada DF dan TVQ-nya. Kami juga menunjukkan ini kertas yang pertunjukanGugus berbeda berlaku kriteria tidak sama, dan AA danFM kriteria lebih baik untuk mengevaluasi hasil clustering.