在之前的文章里，讨论了一些聚类算法的基本思路，并针对人为构造的数据进行了测试。然而，真实的数据毕竟不同于人工数据。在对现实数据进行聚类的时候，有时候不知道哪些特征才是最关键的，因此多少会掺杂一些无关的特征，这样，就会“稀释”不同类别之间的差别。所以，这些聚类算法最后还要针对真实的数据集做一个测试。
  这里我采用的是已知分类的几个数据集wine，ecoli和breast-cancer-wisconsin，这样可以较方便地检验聚类的结果。一个合理的聚类结果，当然应该反映出数据的自然类别，也就是得到的cluster跟分类一致性要高。

具体的测试结果就不贴上来了，就说说几种算法的大致表现。

• 层次聚类：聚类结果比较平庸，总是能反映出一些真实分类，但又总是不太理想

• K-means：出人意料，这样一个往往被作为baseline的算法，其聚类结果都与真实分类比较吻合，是表现最好的算法之一

• Chameleon：在调节RI和RC的比例参数后可以得到还可以接受的结果

• 谱聚类：这个在之前的测试里挺不错的算法，这里却表现欠佳，往往要设定较多的类别数才能反映出真实的分类，不过聚类结果尚可

• PCCA：另外一个表现最好的算法，类似于K-means

• SOM：结果十分不稳定，每次收敛都不同，看来最简单的SOM不是太适合用于clustering

• AP：如前所述，AP跟K系列的算法目标相接近，所以结果也类似，不过可以用于只有距离矩阵的情况

总体而言，对于这些测试数据，PCCA~K-means~AP > 谱聚类~Chameleon > 层次聚类