简单粗暴理解与实现机器学习之聚类算法（四）：模型评估、误差平方和SSE、“肘”方法 、轮廓系数法、CH系数

最新推荐文章于 2024-08-21 00:15:00 发布
最新推荐文章于 2024-08-21 00:15:00 发布
阅读量1.1w 收藏 98
点赞数 13
分类专栏： 【机器学习与深度学习】 文章标签： 聚类 算法 机器学习 人工智能 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35456045/article/details/104645015
版权
本文介绍了机器学习聚类算法的评估方法，包括误差平方和（SSE）、肘方法、轮廓系数和CH系数。SSE用于衡量聚类松散度，肘方法帮助确定最佳K值，轮廓系数结合凝聚度和分离度评估聚类效果，而CH系数关注类别内部与之间的协方差。通过这些方法，可以有效地评估和优化聚类算法。
摘要由CSDN通过智能技术生成

聚类算法

文章目录

学习目标

  • 掌握聚类算法实现过程
  • 知道K-means算法原理
  • 知道聚类算法中的评估模型
  • 说明K-means的优缺点
  • 了解聚类中的算法优化方式
  • 应用Kmeans实现聚类任务
    在这里插入图片描述

6.4 模型评估

1 误差平方和(SSE \The sum of squares due to error)：

举例:(下图中数据-0.2, 0.4, -0.8, 1.3, -0.7, 均为真实值和预测值的差)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kPNpuUBG-1583251263358)(../images/sse1.png)]

在k-means中的应用:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CBRUirJc-1583251263359)(../images/sse2.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D40OWx09-1583251263359)(../images/sse3.png)]

公式各部分内容:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TSIiVJv7-1583251263360)(../images/sse4.png)]

上图中: k=2

  • SSE图最终的结果,对图松散度的衡量.(eg: SSE(左图)<SSE(右图))

  • SSE随着聚类迭代,其值会越来越小,直到最后趋于稳定:

最低0.47元/天 解锁文章
汪雯琦
关注
专栏目录
极小化误差平方和算法聚类
12-15
极小化误差平方和算法聚类源代码，供学习研究使用
kmeans算法中的sse_吴恩达机器学习笔记（七） —— K-means算法
weixin_30715739的博客
02-26 852
主要内容：一.K-means算法简介二.算法过程三.随机初始化四.二分K-means四.K的选择一.K-means算法简介1.K-means算法是一种无监督学习算法。所谓无监督式学习，就是输入样本中只有x，没有y，即只有特征，而没有标签，通过这些特征对数据进行整合等操作。而更细化一点地说，K-means算法属于聚类算法。所谓聚类算法，就是根据特征上的相似性，把数据聚集在一起，或者说分成几类。2.K...
【有啥问啥】关于聚类算法（Clustering）：你想要了解的都在这里
最新发布
Chauvin的博客
08-21 1253
聚类是一种无监督学习方法，旨在根据数据点的相似性将其划分为多个组（簇）。与分类任务不同，聚类不依赖于预先标记的数据集，而是根据数据本身的特征进行分组。聚类算法广泛应用于图像处理、文本分析、市场细分、生物信息学等领域，帮助我们发现数据中的潜在结构和模式。
什么是CH系数？
...
07-04 466
的比值，较高的CH值表明聚类结构更加明显，簇间差异大而簇内差异小，因此好的聚类结果应该有较高的CH系数。CH系数指的是Calinski-Harabasz指数，这是一种用于。根据上述公式标准化并求比值，即可得到CH系数。它的值越小，表示簇内部的凝聚性越好。个自由度（假设总质心固定的情况下）。它的值越大，表示簇之间的差异越大。个样本减去已经聚类成簇的。在实际应用中，通常会计算。值下的CH系数，选择使。
机器学习的评价指标（二）-SSE、MSE、RMSE、MAE、R-Squared
热门推荐
faithmy509的专栏
07-26 5万+
回归评价指标SSE、MSE、RMSE、MAE、R-Squared 前言 分类问题的评价指标上一篇文章已讲述，那么回归算法的评价指标就是SSE、MSE，RMSE，MAE、R-Squared。下面一一介绍： 一、SSE(和方差) 该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，计算公式如下 SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功。接下来的MSE和RMSE因为...
som神经网络聚类简单例子_集成聚类系列（二）：常用的聚类算法及聚类算法评价指标...
weixin_39951419的博客
11-24 992
典型聚类算法基于划分的方法代表：kmeans算法基于层次的方法代表：CURE算法基于网格的方法代表：STING算法将数据集合X划分多层网格结构，从某一层开始计算查询该层网格间的属性值，计算属性值与阈值的关系，判定网格间的相关情况，不相关的网格不作考虑如果网格相关，则进入下一层的相关区域继续第二步，直到下一层为最底层返回相关网格结果基于密度的方法代表：DBSCAN算法输入数据集合X，随机选取一点，并...
Kmeans聚类算法-手肘法
01-08
总之，"KMeans聚类算法-手肘法"的主题涵盖了数据预处理、模型训练、K值选择、结果评估和可视化等多个方面，是机器学习初学者和从业者学习聚类算法的重要实践案例。通过分析和运行`kmeans_210730`文件，可以深入理解...
机器学习之聚类算法:K均值聚类（一、算法原理）
梅菜扣肉
07-12 1万+
一、K均值聚类
机器学习（三）K-means聚类（手肘法、轮廓系数、可视化代码）
m0_63168931的博客
01-06 4559
k-means聚类和手肘法、轮廓系数、介绍和结果可视化代码
机器学习 -- 聚类算法（中）
weixin_57003452的博客
01-12 1668
6.3 聚类算法实现流程 k-means其实包含两层内容： ​ K : 初始中心点个数（计划聚类数） ​ means：求中心点到其他数据点距离的平均值 1 k-means聚类步骤 1、随机设置K个特征空间内的点作为初始的聚类中心 2、对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记类别 3、接着对着标记的聚类中心之后，重新计算出每个聚类的新中心点（平均值） 4、如果计算得出的新中心点与原中心点一样（质心不再移动），那么结束，否则重新进行第二步过程 通过下图解释实现
K-Means算法详细介绍(SSE、轮廓分析)
修炼之路
04-29 4万+
在前面我们介绍过了很多的监督学习算法，分类和回归。这篇文章主要介绍无监督算法，通过聚类分析来处理无类标数据。我们事先并不知道数据的正确结果(类标)，通过聚类算法来发现和挖掘数据本身的结构信息，对数据进行分簇(分类)。聚类算法的目标是，簇内相似度高，簇间相似度低。有点像LDA降维算法，类内方差最小，类间方差最大。这篇文章主要包括：1、K-Means算法2、K-Means++3、硬聚类和软聚类4、聚类...
聚类算法总结介绍
Uncle Tan_的博客
09-10 4556
“物以类聚，人以群分”，对于类别未知的数据集，常常需要聚类算法进行聚类处理，本文介绍了常用的聚类算法（K-means、K-means++、系统（层次）聚类、DBSCAN），可供数学建模时使用。
【机器学习】聚类算法
张小猪的家
08-13 629
文章目录聚类算法1.聚类算法的概念2.聚类算法实现流程3.模型评估3.1 误差平⽅和(SSE \The sum of squares due to error)3.2 “肘”⽅法 (Elbow method) — K值确定3.3 轮廓系数法（Silhouette Coefficient）3.4 CH系数（Calinski-Harabasz Index）4.k-means算法⼩结5. 特征降维5.1 特征选择5.2 主成分分析 聚类算法 1.聚类算法的概念 ⼀种典型的⽆监督学习算法，主要⽤于将相似的样本⾃动
聚类算法常用内部评价指标——轮廓系数、Calinski-Harabasz Index（CH）、Davies-Bouldin Index（DB）
春夏丶秋冬的博客
08-15 3万+
聚类分析的评价指标也称为性能度量指标，博客主要介绍聚类算法内部评价指标—轮廓系数、Calinski-Harabasz Index（CH）、Davies-Bouldin Index（DB）等常用指标
Python——Kmeans聚类算法、轮廓系数（算法理论、代码）
小平凡的记录的博客
02-22 2万+
Kmeans聚类算法、轮廓系数（算法理论、代码）、饼图
聚类算法效果衡量标准
清风拂面
08-23 4327
1.SSE—误差平方和：每类中的点到对应质心的欧氏距离平方的和 ，值越小，聚类效果越好 与K值相关，只能取到确定k值的最优解，而不是全局最优解 求每类中的点到对应质心的距离的和 使用的函数： scipy.spatial.distance.cdist(XA, XB, metric='euclidean', p=None, V=None, VI=None, w=None)，该函数用于计算...
机器学习【聚类算法2】
weixin_43923463的博客
08-16 673
优化方法思路Canopy粗聚类配合kmeanskmeans++距离越远越容易成为新的质心二分k-means拆除SSE最大的簇k-medoids和kmeans选取中心点的方式不同映射到高维空间ISODATA动态聚类大数据集分批聚类降维是指在某些限定条件下，降低随机变量(特征)个数，得到一组“不相关”主变量的过程降低随机变量的个数相关特征(correlated feature)相对湿度与降雨量之间的相关等等正是因为在进行训练的时候， 都是使用特征进行学习。...
flume（1）：三个内置基本组件：channel、source、sink
Diligence is the mother of success.
05-27 3473
2018年5月26日一、概念Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data. It has a simple and flexible architecture based...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值