评价聚类性能指标

聚类

在无监督学习中，训练样本的标记是没有指定的，通过对无标记样本的训练来探索数据之间的规律。其中应用最广的便是聚类，聚类试图把一群未标记数据划分为一堆不相交的子集，每个子集叫做”簇“，每个簇可能对应于一个类别标签，但值得注意的是，这个标签仅仅是我们人为指定强加的，并不是数据本身就存在这样的标签。例如音乐软件对音乐的曲分或者流派进行聚类，可以划分为伤感，轻快等一系列标签，但是这个曲分只是人为加上的，音乐本身并不知道自己被分为了什么曲分。

性能指标

具体的性能度量有两类，一类是外部指标，与某个专家给定的参考模型进行比对，另一类是内部指标，只考虑自己聚类之后的结果。

外部指标

外部指标需要一个参考模型，这个参考模型通常是由专家给定的，或者是公认的参考模型比如公开数据集。对于聚类的结果所形成的簇集合（这里叫做簇C），对于参考模型的簇集合（这里叫做D），对这两个模型结果的样本进行两两配对比较，可得到如下显而易见的数据。

$a=|SS|,SS=(x_i,x_j)|{\lambda }_i={\lambda }_j,{\lambda }_i^{\ast }={\lambda }_j^{\ast },i<j$
$b=|SD|,SD=(x_i,x_j)|{\lambda }_i={\lambda }_j,{\lambda }_i^{\ast }\ne {\lambda }_j^{\ast },i<j$
$c=|DS|,DS$