一、轮廓系数含义:
轮廓系数(Silhouette Coefficient),是聚类效果好坏的一种评价方式。
最佳值为1,最差值为-1。接近0的值表示重叠的群集。负值通常表示样本已分配给错误的聚类,因为不同的聚类更为相似
二、计算步骤:
1)对于簇中的每个向量,分别计算它们的轮廓系数。
对于其中的一个点 i 来说:
计算 簇内不相似度a(i) :i向量到同簇内其他点不相似程度的平均值,体现凝聚度
计算 簇间不相似度b(i) :i向量到其他簇的平均不相似程度的最小值,体现分离度
那么第i个对象的轮廓系数就为:
所有样本的s i 的均值称为聚类结果的轮廓系数,定义为S,是该聚类是否合理、有效的度量。聚类结果的轮廓系数的取值在【-1,1】之间,值越大,说明同类样本相距约近,不同样本相距越远,则聚类效果越好。
三、sklearn.metrics.silhouette_score 介绍及参数含义
详细参考scikit-learn官网
此函数返回所有样本的平均轮廓系数。要获取每个样本的值,请使用silhouette_samples
sklearn.metrics.silhouette_score(X, labels, metric='euclidean', sample_size=None, random_state=None)
参数 | X:数组[n_samples_a,n_samples_a](如果metric ==“ precomputed”),否则为[n_samples_a,n_features] 样本之间的成对距离数组或特征数组。 |
labels:数组,形状= [n_samples] 每个样品的预测标签。 | |
metric : 计算要素阵列中实例之间的距离时使用的度量。默认是euclidean(欧氏距离)。 如果metric是字符串,则必须是允许的选项之一metrics.pairwise.pairwise_distances。如果X是距离数组本身,请使用metric="precomputed"。 | |
return | 样本平均轮廓系数 |
可参考实例:Demo of DBSCAN clustering algorithm
四、silhouette_samples参数介绍
此函数返回所有样本的轮廓系数。
sklearn.metrics.silhouette_samples(X, labels, etric='euclidean')
参数 | X:数组[n_samples_a,n_samples_a](如果metric ==“ precomputed”),否则为[n_samples_a,n_features] 样本之间的成对距离数组或特征数组。 |
labels:数组,形状= [n_samples] 每个样品的预测标签。 | |
metric : 计算要素阵列中实例之间的距离时使用的度量。默认是euclidean(欧氏距离)。 如果metric是字符串,则必须是允许的选项之一metrics.pairwise.pairwise_distances。如果X是距离数组本身,请使用metric="precomputed"。 | |
return | 每个样本的轮廓系数 |