Die im nächsten Abschnitt aufgeführten Ergebnisse weisen bis zum jetzigen Zeitpunkt eine
Abhängigkeit zwischen der Fehlerrate und dem Log-Likelihood-Gewinn auf.
Werden Resulte mit derselben Zahl initialer Modelle und derselben Zahl geclusterter Modelle
verglichen, so stellt man fest, daß die Fehlerrate mit
steigendem Log-Likelihood-Gewinn sinkt.
Wenn man die Fehlerrate über dem Log-Likelihood-Gewinn in einem Diagramm aufträgt, so läßt
sich erwartungsgemäß ein asymptotisches Verhalten erkennen.
Insgesamt läßt sich aus dieser Beobachtung schließen, daß es sinnvoll ist, den
Log-Likelihood-Gewinn bei einer festen Modellzahl zu optimieren.