1.相似度度量的方法有距离计算、余弦度计算和核函数计算
2.聚类算法性能度量分为外部指标和内部指标
3.外部指标大多存在一个问题:需要知道真实数据的标记类信息(类似监督学习)
4.内部指标主要有三个:轮廓系数、Caliniski-Harabaz指数和DB指数
5.轮廓系数处于[-1,1]的范围内,-1表示错误的聚类,1表示高密度的聚类
6.Caliniski-Harabaz指数同一簇类的数据集尽可能密集,不同簇类的数据集尽可能远离
7.DB指数的下限为0,DB指数越小,聚类性能越好
我们知道,聚类算法的核心就是如何定义簇,通常采取相似性度量,本文我们就对相似性以及和聚类结果好坏的评判依据做个介绍。话不多说,进入正题。
相似度计算方式
评价样本间相似度常用的方法是距离计算、余弦相似度计算和核函数计算,若样本间的距离越小,则相似度越高;若样本间的核函数值越大,则相似度越高。
在