聚类算法初探（七）聚类分析的效果评测

文本聚类研究
最新推荐文章于 2025-10-11 10:58:47 发布
原创 最新推荐文章于 2025-10-11 10:58:47 发布 · 3.6w 阅读 · 76 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#聚类分析 #效果评测 #召回率 #F-score #准确度

本文摘自中国科学院计算技术研究所的一篇硕士论文，探讨了文本聚类分析的效果评价及文本表示方法，并介绍了几种常见的聚类算法如K-means、DBSCAN等。

      本文摘自中国科学院计算技术研究所周昭涛的硕士论文《文本聚类分析效果评价及文本表示研究》的第三章，算是一则读书笔记吧，希望对大家有点帮助。



文中提到的准确率和召回率的定义可参见 

http://blog.csdn.net/itplus/article/details/10862059


其他相关链接:

引言

预备知识

直接聚类法

K-means

DBSCAN

OPTICS

数据尺度化问题

发表在 Science 上的一种新聚类算法



作者: peghoty 

出处: http://blog.csdn.net/itplus/article/details/10322361

欢迎转载/分享, 但请务必声明文章出处.


机器学习中的聚类算法
scott198512的博客
01-28 3405
常用10种聚类算法汇总与代码举例
【聚类算法解析系列05】聚类效果评估——如何量化“好”的聚类？
熵数实验室
03-26 816
当腾讯健康用聚类算法分割CT影像病灶时，当Visa用异常检测拦截信用卡欺诈时，评估指标就是AI系统的"质检仪"。通过5个工业级案例、12个数学公式推导和8种工程实践技巧，构建评估指标的全维认知体系。某半导体厂用改良DBI优化晶圆缺陷聚类，误检率从12%降至3.5%在ImageNet特征聚类中，NMI从0.62提升至0.79。通过动态评估模型，骑手调度效率提升19%
聚类算法评测数据集 第一部分
09-27
聚类算法评测数据第一部分
第八章（3） 聚类：DBSCAN和簇评估
wswjue的博客
10-24 6052
基于密度的聚类寻找被低密度区域分离的高密度区域 传统的密度：基于中心的方法：数据集中特定点的密度通过对该点半径之内的点计数（包括本身）来估计，关键是确定半径；根据基于中心的密度进行点分类： 稠密区域内的点（核心点）：点的邻域由距离函数和指定半径决定；定义是该点的给定邻域内的点的个数>给定的阈值，则为核心点 稠密区域边缘上的点（边界点）：落在某个核心点的邻域内 稀疏区域中的点（噪声...
聚类效果总不理想？这5个评估指标你必须掌握，第4个最易被忽视
最新发布
DeepLens的博客
10-11 460
聚类效果总不理想？本文结合Python数据聚类实战，详解5个关键评估指标，涵盖轮廓系数、CH指数等适用场景与计算方法，尤其揭示第4个易忽略的稳定性评估。掌握这些方法，提升模型可靠性，值得收藏。
聚类：KMeans、DBSCAN、层次聚类AgglomerativeClustering及聚类评价指标
未央的博客
06-05 8441
聚类（无监督学习） 标题
聚类算法（三）—— 评测方法1
09-03 1696
聚类算法（一）——DBSCAN 聚类算法（二）—— 优缺点对比 聚类算法（三）—— 评测方法2 机缘巧合，写了个聚类算法 聚类算法（四）—— 基于词语相似度的聚类算法 用在一些任务上效果还不错，然鹅组长让我来个评测… 拖了好久拖不掉了，就调研了一番，发现目前对于聚类算法的评测有很多，比较杂乱，进行了相关整理。 聚类算法评测指标-调研 大体分为两种，一种是内部质量评价标准，主要是无分类标签的数据集进行评价，另外一种是``，主要是基于已知分类标签数据集进行评价的。 内部评测指标 轮廓系数 [外链图片转.
Clustering-master.zip_Clustering-master_聚类数据集_聚类算法
07-15
《聚类算法初探：基于Clustering-master的学习与实践》 在数据分析领域，聚类算法是一种无监督学习方法，主要用于发现数据中的自然群体或类别，而无需预先知道具体分类信息。"Clustering-master.zip"是一个专门针对...
密度聚类算法python详解_密度聚类python
weixin_39811101的博客
12-01 1509
广告关闭腾讯云11.11云上盛惠 ，精选热门产品助力上云，云服务器首年88元起，买的越多返的越多，最高返5000元！本人在此就不搬运书上关于密度聚类的理论知识了，仅仅实现密度聚类的模板代码和调用skelarn的密度聚类算法。 有人好奇，为什么有sklearn库了还要自己去实现呢？ 其实，库的代码是比自己写的高效且容易，但自己实现代码会对自己对算法的理解更上一层楼。 #调用科学计算包与绘图包impo...
初探“谱聚类”算法（无公式）
要相信光
12-21 3742
本文不会设计到数学公式的推导，而是从抽象层面对谱聚类进行叙述，并介绍几个改进的算法。试图给读者留有一些印象，了解谱聚类的基本概念、特性，在以后需要的时候可以进行尝试。
dbscan算法_第36集 python机器学习：聚类算法的对比与评估
weixin_39952031的博客
11-26 427
在应用聚类算法时，其挑战之一就是很难评估算法效果的好坏，也很难比较不同的算法的结果。下面我们来对已经学过K均值、凝聚聚类、DBSCAN等算法做下评估。用真实值评估聚类：有一些指标可用于评估聚类算法相对于真实聚类的结果，其中最重要的是调整rand指数(adjusted rand index，API)和归一化互信息(normalized mutual information， NMI)，二者都给出了定...
基于sklearn的聚类算法的聚类效果指标
热门推荐
MIss-Y的博客
07-02 5万+
前言：度量聚类算法的性能不是简单的统计错误的数量或计算监督分类算法中的 precision （准确率）和 recall （召回率）。聚类算法的评价指标有很多，本文主要是基于sklearn机器学习库，里面提供了一系列的度量函数，在这些度量函数里面，有的需要知道真实的样本类别，然后有的聚类本来就没有真实的样本类别，甚至像DBSCAN这样的聚类方法，连到底有几个类别都不确定，那怎么去评价聚类的好...
聚类算法效果衡量标准
清风拂面
08-23 4542
1.SSE—误差平方和：每类中的点到对应质心的欧氏距离平方的和 ，值越小，聚类效果越好 与K值相关，只能取到确定k值的最优解，而不是全局最优解 求每类中的点到对应质心的距离的和 使用的函数： scipy.spatial.distance.cdist(XA, XB, metric='euclidean', p=None, V=None, VI=None, w=None)，该函数用于计算...
聚类效果评估
weixin_30341735的博客
05-03 265
聚类在数据挖掘领域有很多算法，到底哪个算法效果比较好，根据实际情况应该如何选择哪个算法，是数据分析应该要考虑的问题，简单来说也就是聚类效果评估。 假设一个集合有N篇文章 那么这个集合的集合对就有\[C{2 \choose N}=\frac{N(N-1)}{2}\]个集合对 TP：同一类的文章被分到同一个簇 TN：不同类的文章被分到不同簇 FP：不同类的文章被分到同一个簇 FN：同一类的文章被分...
聚类模型的算法性能评价
归去来兮的博客
06-27 1748
作为机器学习领域的重要内容之一，聚类模型在许多方面能够发挥举足轻重的作用。所谓聚类，就是通过一定的技术方法将一堆数据样本依照其特性划分为不同的簇类，使得同一个簇内的样本有着更相近的属性。依不同的实现策略，聚类算法有很多种，如基于距离的k-means、基于密度的DBSCAN等。在聚类完成之后，其性能的评估是一个不可规避的问题，常见的评估方法依有无事先的标记性信息分为外部评估法和内部评估法。
聚类结果不好怎么办_聚类性能评估-轮廓系数
weixin_39710251的博客
11-26 1724
当文本类别未知时，可以选择轮廓系数作为聚类性能的评估指标。轮廓系数取值范围为[-1,1]，取值越接近1则说明聚类性能越好，相反，取值越接近-1则说明聚类性能越差。a：某个样本与其所在簇内其他样本的平均距离b：某个样本与其他簇样本的平均距离则针对某个样本的轮廓系数s为： 聚类总的轮廓系数SC为：SC= 详细内容参考文献https://pdf.sciencedirectassets.com/271...
编程实现DBSCAN密度聚类算法，并以西瓜数据集4.0为例进行聚类效果分析
myec_lipse的博客
11-11 2246
编程实现DBSCAN密度聚类算法，并以西瓜数据集4.0为例进行聚类效果分析。
探索模糊聚类分析：8篇论文深度解析
- 论文可能将AFS拓扑与模糊C均值（AFCM）聚类算法结合，提出了一种新的聚类方法，探讨了其在处理高维数据、不确定性信息等方面的性能。 4. **基于粗集的代建制项目风险因素模糊聚类研究** - 此研究通过粗集理论...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值