常用的聚类算法及聚类算法评价指标

最新推荐文章于 2024-06-27 17:45:24 发布
最新推荐文章于 2024-06-27 17:45:24 发布
阅读量1w 收藏 32
点赞数 2
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/fendouaini/article/details/99142968
版权
本文介绍了几种常见的聚类算法，包括k-means、CURE、STING、DBSCAN、SOM和谱聚类，以及聚类算法的评价指标，如内部质量的CH指标、SSE和SSB，以及外部质量的熵和纯度。通过对这些算法和指标的理解，有助于提升聚类效果的评估和选择合适的算法。
摘要由CSDN通过智能技术生成

 

1. 典型聚类算法

1.1 基于划分的方法

代表：kmeans算法

·指定k个聚类中心640?wx_fmt=png
·640?wx_fmt=png（计算数据点与初始聚类中心的距离）
·640?wx_fmt=png（对于数据点640?wx_fmt=png，找到最近的640?wx_fmt=png{i}ci(聚类中心)，将640?wx_fmt=png分配到640?wx_fmt=png{i}ci中）
·640?wx_fmt=png(更新聚类中心点，640?wx_fmt=png是新类别数值的均值点)
·640?wx_fmt=png（计算每一类的偏差）
·640?wx_fmt=png返回640?wx_fmt=png

最低0.47元/天 解锁文章
磐创 AI
关注
6个常用的聚类评价指标
deephub
11-24 5258
下表总结了本文讨论的不同指标和特点:引用911–916.410–420.作者：Roi Yehoshua。
聚类算法评价指标Precision，F-meare，F1，ACC
03-11
聚类算法评价指标
聚类模型的算法性能评价
最新发布
归去来兮的博客
06-27 923
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。
聚类算法评价指标
热门推荐
铭霏的记事本
09-03 3万+
一、Compactness(紧密性)(CP)       CP计算 每一个类  各点到聚类中心的平均距离       CP越低意味着类内聚类距离越近       缺点：没有考虑类间效果 二、Separation(间隔性)(SP)       SP计算 各聚类中心两两之间平均距离       SP越高意味类间聚类距离越远       缺点：没有考虑类内效果 三
聚类笔记：聚类算法评估指标
qq_40206371的博客
12-14 1422
这些评估方法，如k-means聚类都是基于点之间的距离进行优化的，而那些基于距离的内部评估方法就会过度的赞誉这些生成的聚类结果——>这些内部评估方法是判定一个算法要优于另一个。
使用numpy实现的聚类算法（包括时空聚类算法）
05-29
MYAP：基于划分的聚类AP（Affinity Propagation Clustering Algorithm ）算法的底层实现--近邻传播聚类算法 Adaptive-DBSCAN：自适应的基于密度的空间聚类（Adaptive Density-Based Spatial Clustering of ...
聚类算法及聚类融合算法研究
01-31
基于常用聚类算法及聚类融合算法进行了研究。首先阐述了数据挖掘领域的常用聚类算法及特点，接下来对近年来聚类融合的方法和研究现状进行了综述，并对如何产生高效的聚类成员和共识函数如何构建才能产生高效的聚类...
几种常用的聚类算法matlab及python实现
05-25
K-Means是最常用且易于理解的聚类算法之一。它通过迭代过程将数据分配到预先设定的K个聚类中，以最小化簇内的平方误差和。在MATLAB中，可以使用`kmeans`函数实现；在Python中，可以利用`scikit-learn`库的`KMeans`...
聚类评价指标
05-02
很好的资源，研究聚类的个数是很有用的东西啊 呵呵
聚类有效性评价指标(4个内部4个外部)
10-28
常用内部（Sil，CH，DBI，KL）、外部评价指标（Rand等4个），用自带样本集“leuk72_3k.txt”测试可用！
聚类外部评价指标（NMI, AC, ARI）
12-04
代码包含三个聚类分析常用的外部评价指标：调整兰德指数（ARI），标准化互信息（NMI），准确度（AC）。
数据挖掘系列（四）聚类算法评价指标
qq_36449202的博客
07-30 2712
一、Not Given Label: 1、Compactness(紧密性)(CP)       CP计算 每一个类  各点到聚类中心的平均距离       CP越低意味着类内聚类距离越近       缺点：没有考虑类间效果 2、Separation(间隔性)(SP)       SP计算 各聚类中心两两之间平均距离  
机器学习算法基础--聚类问题的评价指标
m0_71819746的博客
10-01 2678
机器学习算法基础--聚类问题的评价指标
聚类算法指标整理
ljp1919的专栏
11-28 1708
文章目录前言纯度(purity)纯度的计算Python代码标准互信息(NMI)熵互信息标准互信息MI 和 NMI的计算实现 Python 版调整互信息(AMI)示例代码兰德系数(Rand Index)示例代码调整兰德系数(Adjusted Rand index)示例代码 前言 本文主要介绍聚类算法的一些常见评测指标。 假设某一种算法得到聚类结果为: A=[12111112222311333] \mathrm{A}=\left[\begin{array}{lllllllll} 1 & 2 &
几种常见的聚类评估指标
空字符
07-03 1万+
在前面两篇文章中，笔者已经介绍了两种聚类算法，同时还通过sklearn完成相应的示例。但是，到目前为止笔者还没有介绍如何来聚类的经过进行评估。这接下来的这篇文章中，笔者将会介绍在聚类算法中几种常见的评估指标，以及其中两种相应的原理。同时，如果不用关系其具体计算过程的，可以直接阅读第三部分即可。 如同之前介绍的其它算法模型一样，对于聚类来讲我们同样会通过一些评价指标来衡量聚类算法的优与劣。在聚类任务中，常见的评价指标有：准确率（Accuracy）、F值（F-score）、调整兰德系数（Adjusted Ran
评论
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