机器学习（十六）——聚类评估

最新推荐文章于 2019-09-05 00:05:08 发布
最新推荐文章于 2019-09-05 00:05:08 发布
阅读量153 收藏
点赞数
分类专栏： 机器学习
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_41386300/article/details/100069325
版权

1. Given label

Given label就是有给了y，给了y’的好处就是可以根据真实的y来和预测出来的y对比，以此来评估聚类的结果怎么样在这里插入图片描述
例：男女分类，均一性就是男类别里都是男的，但并不是所有男的都分进来了；完整性就是所有女的都被分到女生类别里了，但可能也有几个男的
就像Precision和Recall结合起来生成F-Measure（f-score）一样，均一性和完整性结合起来生成V-Measure，公式如上图，h是均一性，c是完整性，贝塔是权重，贝塔越大，说明越看重均一性，因为贝塔乘以h了

2. 轮廓系数

在这里插入图片描述
上图公式中，b代表不相似性，a代表相似性

qq_41386300
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习（十二）——分类评估指标
qq_41386300的博客
08-22 209
1. 混淆矩阵 例： 上图中10行10列的数据，我们可以看出对角线的数据都格外的大，但是除了对角线的数据外也有一些例外的数据，它们也偏大一些，比如第7行第9列的236，第9行7列的223，5行7列的193，7行5列的231等等，我们也可以看出这些数的规律：把7和9弄错了，7和5弄错了的情况下就变成7行7列或9行9列，7行7列或5行5列，这就变成了对角线上的数，所以它们才会大。 所以，混淆矩阵就是...
机器学习（十三）——相似度的计算方法
qq_41386300的博客
08-24 2770
无监督机器学习特点： 聚类特点： 对于聚类来说，相似性非常重要，下面我们就来看看相似度怎么算 最经典的就是欧式距离（两点之间的距离，上图中的二维空间公式） 上图中右下角的第一个公式就是Jaccard系数，如果是距离的话第二个公式可以体现 例：推荐系统 相似度的两种测量方式：一个测量是高维空间里向量点和向量点的相似度；另一个是Jaccard系数（测量两个集合之间的相似度） ...
机器学习 | 聚类评估指标
侠的博客
09-05 4699
文章目录1. 聚类评估指标1.1 外部评估指标RI 兰德指数ARI 调整兰德指数Jaccard JC指数FMI FMI指数MI 互信息NMI 归一化互信息AMI 调整互信息1.2 内部评估指标DBI 戴维森堡丁指数DI Dunn指数SC 轮廓系数参考文献 1. 聚类评估指标 Clustering performance evaluation 聚类性能度量亦称聚类“有效性指标”（validity i...
机器学习之聚类概述及评价指标
liuy9803的博客
06-21 2万+
        聚类是一种无监督学习算法，训练样本的标记未知，按照某个标准或数据的内在性质及规律，将样本划分为若干个不相交的子集，每个子集称为一个簇（cluster），每个簇中至少包含一个对象，每个对象属于且仅属于一个簇；簇内部的数据相似度较高，簇之间的数据相似度很低。聚类可以作为分类等其他学习任务的前驱过程。        基于不同的学习策略，聚类算法可分为多种类型：         聚类算法衡...
聚类模型性能评价指标
weixin_30361753的博客
06-19 703
有监督的分类算法的评价指标通常是accuracy, precision, recall, etc；由于聚类算法是无监督的学习算法，评价指标则没有那么简单了。因为聚类算法得到的类别实际上不能说明任何问题，除非这些类别的分布和样本的真实类别分布相似，或者聚类的结果满足某种假设，即同一类别中样本间的相似性高于不同类别间样本的相似性。聚类模型的评价指标如下： 1. Adjusted Rand Index...
聚类算法系列--聚类的性能评估Clustering performance evaluation
积跬步，至千里
09-08 3893
博客：https://blog.csdn.net/sinat_33363493/article/details/52496011，            https://www.jianshu.com/p/b5996bf06bd6，            https://blog.csdn.net/u013709270/article/details/74276533 论文：Liu Y, L...
聚类的评价指标（无监督学习）
墨竹
05-08 1万+
详细理论说明，可以查看其他博客：# coding:utf-8from sklearn import metrics""" 聚类性能评估 """ """ 1、Adjusted Rand index (ARI) 优点： 1.1 对任意数量的聚类中心和样本数，随机聚类的ARI都非常接近于0； 1.2 取值在［－1，1］之间，负数代表结果不好，越接近于1越好；
机器学习：k-means聚类效果评估
热门推荐
l974415301的博客
02-22 3万+
接着上一回的工作，用kmeans聚类之后，感觉肘部法则有些问题，今天又看了一遍代码，发现fit（）函数的参数输错了，应该输入归一化之后的X_norm 今天查阅了各种同学的分享，太多了，就不给出链接了，对聚类算法的评估，我筛选了下面三种方法 第一种 SSE 样本距离最近的聚类中心的距离总和 （簇内误差平方和） 只对单个族中的数据分析，族与族之间的关系没有涉及 所以可能有一定的问题 在sklearn...
【宅着宅着就学习惯了】机器学习课程——聚类算法实战.rar
04-12
在本课程“宅着宅着就学习惯了”中，我们深入探讨了机器学习领域中的一个重要概念——聚类算法，并且特别关注了其中的KMeans算法。聚类是一种无监督学习方法，它允许我们根据数据的内在相似性将数据点分组到不同的簇...
机器学习代码实战——KMeans（聚类）
12-21
【机器学习代码实战——KMeans（聚类）】 在机器学习领域，聚类是一种无监督学习方法，旨在根据数据的内在相似性将数据点分组到不同的簇中。KMeans算法是聚类中最常用的一种，它通过迭代优化过程来确定簇的中心。...
机器学习（聚类十一）——不同聚类算法在不同数据分布情况下的聚类效果
12-21
在机器学习领域，聚类是一种无监督学习方法，用于发现数据集中的自然群体或类别。本文将探讨在不同数据分布情况下，多种聚类算法的表现及其效率。以下是对标题和描述中涉及的知识点的详细说明： 1. **聚类算法**： ...
机器学习实战项目——无监督聚类&PCA tSNE降维.zip
04-11
在本机器学习实战项目中，我们将探讨两种关键的无监督学习方法：聚类与主成分分析（PCA），以及t-distributed Stochastic Neighbor Embedding（t-SNE）降维技术。这些技术在数据科学领域有着广泛的应用，特别是对于...
机器学习（六）——多项式回归及通过案例学习做预测的流程
qq_41386300的博客
08-11 1700
1. 多项式回归Polynomial regression 有的时候我们的数据可能是非线性的变化，这个时候我们的线性模型就拟合不了了，怎么办呢？两种方法： （1）用非线性的算法 （2）把数据变成线性的 而多项式回归是用来做特征转换的，就是用第二种方法 从上图中可以知道，多项式回归就是在升维（把两个维度的x变成里6个维度） 例如： 当原来只有两个维度x0，x1 升维度后（二阶）就变成了三个： x0...
机器学习（九）——Softmax做多分类
qq_41386300的博客
08-15 1515
概括之前学的： 上图中只有softmax做多分类回归还没接触，其他都接触过了，现在来讲讲Softmax回归如何做多分类，及它和逻辑回归做多分类的区别 解读上图：借助下图的例子解读 对于第一个公式，和逻辑回归不同的是theta下面多了个k k代表做的是几分类，如下图，做三分类 k=1的时候，此时的theta就是一列：w1，w2，w3，w4 k=2的时候，theta为一列：w5，w6，w7，w8...
机器学习（六）——l1，l2 正则化以及Elastic-Net
qq_41386300的博客
08-10 1248
1. Ridge Regression 上图的公式 +后面是惩罚项，用来保证泛化能力的；+ 前面是我们的损失函数，用来保证我们的拟合效果的，而α是一个参数，用来让你决定更看重正确性还是泛化性，|| | |这个代表加和，即w0+w1+… 对于泛化性和正确性的评估： 当我们有数据时，把它分为两部分，训练集和测试集，一般训练集比较多 正确性：通过模型对训练集里的数据求一下正确性，看拟合程度怎么样 泛化...
机器学习（七）——用逻辑回归实现音乐分类案例，傅立叶变换相关
qq_41386300的博客
08-13 1223
理解维度： 图 所以我们把X中的x可以叫做是一个特征，也可以叫做影响结果的因素，也可以叫做一个维度，每增加一个特征就是增加了一个维度 音乐分类案例 有十种类别的音乐，每种类别下有一百首歌，每一首歌都是所以我们一共有1000个特征 怎么把这些音乐转换为特征呢？ 用傅里叶变换： 图 把一首歌变成频率的表达 ...
机器学习（五）——梯度下降法，归一化，过拟合
qq_41386300的博客
08-09 1216
梯度下降法 上图中，我们的目的不是找cost，而是找最小值处的模型theta 梯度下降法步骤： 对于调整theta， theta在最低点左边的时候，斜率grad<0 ,所以theta_t+1会变大， theta在最低点右边的时候，斜率grad>0 ,所以theta_t+1会变小， 如果一定追求g=0，那样会使我们迭代特别多次，所以一般如果梯度（斜率）g< 0.15就停止了...
机器学习（四）——用解析解的方式求解模型
qq_41386300的博客
08-08 931
最大似然估计 通俗来讲：假设你有一组身高的数据，有两个正态分布（踢足球的和打篮球的），打篮球的正态分布肯定是那种又细又高的，而踢足球的是宽低的， 最大似然估计就是，把数据带进去看它属于哪个正态分布，假设有个一米九的，我们就可以猜出他是打篮球的 中心极限定理 在这里，我们的随机变量是误差的值 概率密度函数 概率密度函数：当f（x）越大说明某个x出现在这个正态分布上的概率越大 f（x）并不是概率...
机器学习（十一）——决策树，随机森林
qq_41386300的博客
08-18 856
1. 决策树 1.1 离散化 决策树有一个先决条件：一定要对数据进行离散化，不管是离散数据还是连续数据，都要离散化 对于连续数据离散化 假设60，70，80分别代表低速，中速，高速，我们把< 60的变成0，60到70之间的变为1，70到80之间变为2，大于80的变为3，01,2,3之间的大小关系也对应于低中高速的大小关系，3个速度有3+1种分割方式 对于离散型数据 如果我们把晴天，雨天...
机器学习与神经网络：聚类分析详解
"本文档提供了一篇关于自我组织映射和文档聚类的调查，主要探讨了机器学习和神经网络领域的经典主题。文档详细介绍了聚类分析的基础知识，包括符号说明、相似性度量、数据类型、准则函数、过程以及各种聚类方法和...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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