第9章-用户分群方法-聚类评估指标

ErbaoLiu

已于 2024-01-10 09:33:58 修改

阅读量643

点赞数 8

分类专栏：数据分析&大模型机器学习&大模型文章标签：轮廓系数均方根标准差 RMSSTD ARI RI 兰德指数 R-Square

于 2023-12-27 13:08:52 首次发布

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。

本文链接：https://blog.csdn.net/L_15156024189/article/details/135229050

版权

机器学习&大模型同时被 2 个专栏收录

84 篇文章 7 订阅 ¥59.90 ¥99.00

订阅专栏

数据分析&大模型

56 篇文章 6 订阅 ¥39.90 ¥99.00

订阅专栏

本文介绍了聚类评估指标，包括轮廓系数、均方根标准差（RMSSTD）、R-Square和调整兰德指数（ARI）。通过例子解释了这些指标的计算方法和含义，帮助理解如何评价聚类效果的好坏。

摘要由CSDN通过智能技术生成

目录

均方根标准差

聚类是一种无监督分类算法，通常给定的样本没有类别或标签，聚类结果的好坏难以使用有监督模型的评估方法衡量。聚类评估指标思想在于类簇内的差异尽可能小，也就是紧密度高，而类簇间差异尽可能大，也就是分离度高。本文主要介绍轮廓系数（Silhouette Coefficient Index）、均方根标准差（Root-Mean-Square Standard Deviation，RMSSTD）、R-Square、调整的兰德指数（ARI）。

简单例子

为了方便介绍各种评估指标，先给出一个例子。

给定4个样本构成的样本集 $C=\{\mathbf{x}_1,\mathbf{x}_2,\mathbf{x}_3,\mathbf{x}_4\}$ ，每个样本特征如下：

了解本专栏

关注

8
点赞
踩
8

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

ErbaoLiu 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

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。