聚类算法（相似度与性能度量）

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