聚类结果的评估指标及其JAVA实现

最新推荐文章于 2024-06-13 00:13:59 发布

lilivian

最新推荐文章于 2024-06-13 00:13:59 发布

阅读量3.8k

点赞数 2

分类专栏：数据挖掘文章标签： cluster evaluation java

本文链接：https://blog.csdn.net/lilianforever/article/details/46889769

版权

本文介绍了聚类结果的评估指标，包括准确率、错误率、敏感度、特效性、精度、召回率、RI指数和F度量，并提供了简单的Java实现。通过这些指标可以衡量聚类算法的效果。

摘要由CSDN通过智能技术生成

一. 前言

又GET了一项技能。在做聚类算法的时候，由于要评估所提出的聚类算法的好坏，于是需要与一些已知的算法对比，或者用一些人工标注的标签来比较，于是用到了聚类结果的评估指标。我了解了以下几项。

首先定义几个量：（借鉴该博客：http://blog.csdn.net/luoleicn/article/details/5350378）

TP:是指被聚在一类的两个量被正确的分类了（即在标准标注里属于一类的两个对象被聚在一类）

TN:是指不应该被聚在一类的两个对象被正确地分开了（即在标准标注里不是一类的两个对象在待测结果也没聚在一类）

FP：指不应该放在一类的对象被错误的放在了一类。（即在标准标注里不是一类，但在待测结果里聚在一类）

FN：指不应该分开的对象被错误的分开了。（即在标准标注里是一类，但在待测结果里没聚在一类）

P = TP + FP

N = TN + FN

1.准确率、识别率：(rank Index) RI

accuracy = (TP + TN)/(P + N)

2.错误率、误分类率

error rate = (FP + FN)/(P + N)

3.敏感度

sensitivity = TP / P

4.特效性

specificity = TN / N

5.精度

precision = TP / (TP + FP)

6.召回率

recall = TP / (TP + FN)

7.RI 其实就是 1 的 accuracy

8.F度量

P为precision

R为recall

9.NMI(normalized mutual information)

10 Jaccard

J = TP / (TP + F)

二、JAVA实现（未优化）

其中很多重复代码，还没有优化。。。

package others;

import java.util.HashMap;
import java.util.HashSet;
import java.util.Iterator;
import java.util.Map;
import java.util.Map.Entry;
import java.util.Set;

import javax.rmi.CORBA.Util;

import org.graphstream.algorithm.measure.NormalizedMutualInformation;


/*function:常用的聚类评价指标有purity, precision, recall，  RI 和 F-score,jaccard
 * @param:
 * @author:Wenbao Li
 * @Data:2015-07-13
 */
public class ClusterEvaluation {

	public static void main(String[] args){
		int[] A = {1,3,3,3,3,3,3,2,1,0,2,0,2,0,2,1,1,0,1,1};
		int[] B = {2,2,0,0,0,3,2,2,3,1,3,1,0,1,2,1,0,1,3,3};
		double purity = Purity(A,B);
		System.out.println("purity\t\t"+purity);
		System.out.println("Pre\t\t"+Precision(A,B));
		System.out.println("Recall\t\t"+Recall(A,B));
		System.out.println("RI(Accuracy)\t\t"+RI(A,B));
		System.out.println("Fvalue\t\t"+F_score(A,B));
		System.out.println("NMI\t\t"+NMI(A,B));
		
	}
	/*
	 * 计算一个聚类结果的簇的个数，以及每一簇中的对象个数,
	 */
	public static Map<Integer,Set<Integer>> clusterDistri(int[] A){
		Map<Integer,Set<Integer>> clusterD = new HashMap<Integer,Set<Integer>>();
		int max = -1;
		for(int i = 0;i< A.length;i++){
			
			if(max < A[i]){
				max = A[i];
			}
		}
		for(int i = 0;i< A.length;i++){
			int temp = A[i];	
			if(temp < max+1){
				if(clusterD.containsKey(temp)){
					Set<Integer> set = clusterD.get(temp);
					set.add(i+1);
					clusterD.put(temp, set);
				}else{
					Set<Integer> set = new HashSet<Integer>();
					set.add