聚类结果评价

内部指标（无标签）

Silhouette Coefficient（轮廓系数）

如果不知道实际情况标签，则必须使用模型本身进行评估。轮廓系数(sklearn.metrics.silhouette)是此类评估的一个例子，其中较高的轮廓系数分数与具有更好定义的集群的模型相关。轮廓系数为每个样本定义，由两个分数组成：
a： 样本与同一类中所有其他点之间的平均距离。
b： 一个样本与下一个最近的聚类中所有其他点之间的平均距离。
单个样本的轮廓系数s如下所示：
$$s=\frac{b-a}{max(a,b))}$$

一组样本的轮廓系数是每个样本的轮廓系数的平均值。

from sklearn import metrics
from sklearn.metrics import pairwise_distances
from sklearn import datasets
X, y = datasets.load_iris(return_X_y=True)
# 通常情况下，轮廓系数应用于聚类分析的结果。
import numpy as np
from sklearn.cluster import KMeans
kmeans_model = KMeans(n_clusters=3, random_state=1).fit(X)
labels = kmeans_model.labels_
metrics.silhouette_score(X, labels, metric='euclidean')

优点：

1）对于不正确的聚类，分数在-1之间，对于高度密集的聚类，分数在+1之间。分数为零表示重叠的簇。
2）当集群密集且分离良好时，s值更高，这与集群的标准概念有关。

缺点：

凸簇的轮廓系数通常比其他簇的概念更高，例如通过DBSCAN获得的基于密度的簇。

Calinski-Harabasz Index（CHI）

如果不知道真相的标签，卡林斯基-哈拉巴斯指数(sklearn.metrics.calinski_harabasz_score)-也称为方差比准则-可用于评估模型，其中较高的Calinski-Harabasz分数与具有更好定义簇的模型相关。
指数是所有簇的簇间色散和簇间色散之和的比值（其中色散定义为距离平方和）：

from sklearn import metrics
from sklearn.metrics import pairwise_distances
from sklearn import datasets
X, y = datasets.load_iris(return_X_y=True)

import numpy as np
from sklearn.cluster import KMeans
kmeans_model = KMeans(n_clusters=3, random_state=1).fit(X)
labels = kmeans_model.labels_
metrics.calinski_harabasz_score(X, labels)

优点：

1）当集群密集且分离良好时，得分更高，这与集群的标准概念有关。
2）得分计算得很快。

缺点：

凸簇的Calinski-Harabasz指数通常高于其他簇的概念，例如通过DBSCAN获得的基于密度的簇。

数学公式：

对于一组大小为 $n_E$ 的数据 $E$ ，将其聚类成簇，Calinski-Harabasz评分 $s$ 定义为簇间离散平均值与簇内离散度之比：
$$s=tr(W_k$$