本文介绍了聚类任务及其重要性，详细阐述了聚类性能度量的外部指标（如Jaccard系数、FM指数、Rand指数）和内部指标（如DB指数、Dunn指数），并讲解了如何根据属性类型选择合适的距离计算方法，如闵可夫斯基距离、VDM距离。
一、聚类任务。
聚类是一种无监督学习，目标通过对无标记训练样本的学习揭示数据的内在性质及规律，为进一步的数据分析提供基础。
聚类可以作为一个单独的过程，用于寻找数据内在的分布结构，也可作为分类等其他学习任务的前驱过程。
二、聚类性能度量，也称有效性指标
对聚类结果，一需评估其好坏；二若明确最终要用的性能度量，可直接将其作为聚类过程的优化目标，得到更好地得到符合要求的聚类结果。
目的：簇内相似度高，簇间相似度低
2.1 将聚类结果与某个“参考模型”进行比较，称为外部指标
对数据集
，假定通过聚类划分的簇为
，参考模型给出的簇划分为
.令
最低0.47元/天 解锁文章
扫一扫
564
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
