第肆章 實驗與結果
高時其群聚演算法計算的時間成本將隨之升高；換句話說一個優良的 群聚演算法必須有能力處理高筆數的資料分佈即密度高的資料分佈。
（二）資料混亂度指標
本實驗針對六個150 筆資料的二維正規化資料資料，其實驗結果 與分析，詳述如下。
資料一之資料分佈如圖 4-1，其分佈特性為完全隨機產生，所以 並無明顯的群聚產生，其混亂度為3.23。
圖4-1 混亂度資料一之資料分佈
資料二之資料分佈如圖 4-2，其分佈特徵為為四個分割不明顯且 高雜訊的資料分佈，其混亂度為3.06。
資料三之資料分佈如圖 4-3，其分佈特徵為一個分割不明顯且高 雜訊的資料分佈，其混亂度為2.84。
圖4-3 混亂度資料三之資料分佈
資料四之資料分佈如圖 4-4，其分佈特徵為一個分割不明確且高 雜訊但向內集中的資料分佈；如圖4-4，其混亂度為 2.45。
圖4-4 混亂度資料四之資料分佈
資料五之資料分佈如圖 4-5，其分佈特徵為三個分割明確且低雜 訊的資料分佈，其混亂度為2.28。
圖4-5 混亂度資料五之資料分佈
資料庫六之資料分佈如圖 4-6，其分佈特徵為三個分割不明確但 密度與外型大小相異的資料分佈，其混亂度為2.84。
圖4-6 混亂度資料六之資料分佈
由實驗中可得知，當資料中其群聚切割越明顯及雜訊越低時，其 混亂程度降低；換句話說一個優良的群聚演算法必須有能力處理群聚 切割不明顯及高雜訊的資料分佈即混亂程度高的資料分佈。
（三）資料分離度
本實驗共實驗了八個資料庫，皆為150 筆二維正規化資料，其實 驗內容與分析，詳述如下。
資料一之資料分佈如圖 4-7，其分佈特性為完全隨機產生，並無 明顯的群聚產生，其分離度為0.47。
圖4-7 分離度資料一之資料分佈
資料庫二的資料分佈如圖 4-8，其資料分佈為八個分割不明確且 高雜訊的，其分離度為0.48。
圖4-8 分離度資料二之資料分佈
資料庫三的資料分佈如圖 4-9，其分佈為四個分割不明確且高雜 訊的資料分佈，其分離度為0.48。
圖4-9 分離度資料三之資料分佈
資料庫四的資料分佈如圖4-10，其分佈為兩個分割不明確且高雜 訊的資料分佈，其分離度為0.57。
圖 4-10 分離度資料四之資料分佈
資料庫五為150 筆二維資料，其分佈為一個分割不明確且高雜訊 的資料分佈；如圖4-11，其分離度為 0.62。
圖4-11 分離度資料五之資料分佈
資料庫六為150 筆二維資料，其分佈為七個分割明確且低雜訊的 資料分佈；如圖4-12，其分離度為 0.51。
圖 4-12 分離度資料六之資料分佈
資料庫七為150 筆二維資料，其分佈為三個分割明確且低雜訊的 資料分佈；如圖4-13，其分離度為 0.62。
圖 4-13 分離度資料七之資料分佈
資料庫八為150 筆二維資料，其分佈為三個分割不明確且低雜訊 的資料分佈；如圖4-14，其分離度為 0.7。
圖 4-14 分離度資料八之資料分佈
由以上實驗中可知當原始資料分佈中的群聚間，分割越明顯即群 聚彼此間分離的越遠時，其分離度越大。
（四）實驗範例
本實驗以群聚演算法效能與品質為前提下，以本研究提出的資料 密度、分散度與混亂度指標，針對欲分群之原始資料進行分析，再以 [2][18]所提出的各群聚演算法類型的特性為基礎所建立的規則，如表 4-2，以輔助使用者選擇合宜的群聚演算法；其範例架構圖如圖 3-5。
本實驗模擬兩組資料分佈；其一為二維資料分佈，其資料筆數為150，
合適分群數為三群而每個群聚的大小與密度皆相似，同時並有雜訊發 生；其資料分佈如圖4-15。
圖 4-15 範例一資料分佈
經由資料分析後，其密度為 160.26、混亂度為 2.52、分離度為 0.539，經由本研究所提出之群聚演算法選擇模型發現其適用的演算 法類型為切割式群聚演算法，接著本研究採用切割式群聚演算法與階 層式群聚演算法進行分群，獲得分群結果如圖4-16。
（a）切割式群聚演算法結果 （b）階層式群聚演算法結果 圖4-16 範例一分群結果示意圖
由圖 4-16（a）中可以發現切割式群聚演算法結果在輸入正確的 群聚參數（分群數為3）下，其分群結果皆為正確；但是階層式群聚 演算法結果圖 4-16（b）在輸入正確的群聚參數（分群數為 3）下，
其分群結果出現大量不適合的群聚結果。
另一組為二維資料分佈，其資料筆數為150，合適分群數為三群 每個群聚的大小與密度皆不相同，同時並有雜訊發生；其資料分佈如 圖4-17。
圖 4-17 範例二資料分佈
經由資料分析後，其密度為 155.65、混亂度為 2.8、分離度為 0.56，
經由本研究所提出之群聚演算法選擇模型發現其適用的演算法類型 為階層式群聚演算法，接著本研究採用階層式群聚演算法與切割式群 聚演算法進行分群，獲得分群結果如圖4-18。
（a）切割式群聚演算法結果 （b）階層式群聚演算法結果 圖4-18 範例二分群結果示意圖
由圖 4-18（a）中可以發現切割式群聚演算法結果在輸入正確的 群聚參數（分群數為3）下，出現大量不適合的群聚結果；但是階層 式群聚演算法結果圖4-18（b）在輸入正確的群聚參數（分群數為 3）
下，其分群結果皆為正確。