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),该函数用于计算两个输入集合的距离,通过metric参数指定计算距离的不同方式得到不同的距离度量值
实现功能:计算X与kmeans.cluster_centers_(每个类的质心坐标)欧氏距离的和
sum(np.min(cdist(X, kmeans.cluster_centers_, 'euclidean'), axis=1))
2.轮廓系数法(Silhouette Coefficient),越接近1,聚类效果越好
参考地址:https://sklearn.apachecn.org/docs/0.21.3/22.html?h=Silhouette
结合了聚类的凝聚度和分离度,用于评估聚类的效果
对于其中的一个点 i 来说:
计算 a(i) = average(i向量到所有它属于的簇中其它点的距离), 称为凝聚度
计算 b(i) = min (i向量到与它相邻最近的一簇内的所有点的平均距离),称为分离度
那么 i 向量轮廓系数就为:
可见轮廓系数的值是介于 [-1,1] ,越趋近于1代表内聚度和分离度都相对较优
将所有点的轮廓系数求平均,就是该聚类结果总的轮廓系数
使用的函数:
# 评估指标——轮廓系数,前者为所有点的平均轮廓系数,后者返回每个点的轮廓系数
from sklearn.metrics import silhouette_score, silhouette_samples
3.Calinski-Harabasz(CH)指标,S值越大,聚类效果
参考地址:https://sklearn.apachecn.org/docs/0.21.3/22.html?h=calinski_harabaz_score
对于 簇,Calinski-Harabaz 得分 是作为 between-clusters dispersion mean (簇间色散平均值)与 within-cluster dispersion(群内色散之间)的比值给出的:
其中 是 between group dispersion matrix (组间色散矩阵), 是由以下定义的 within-cluster dispersion matrix (群内色散矩阵):
为数据中的点数, 为 cluster (簇) 中的点集, 为 cluster(簇) 的中心, 为 的中心, 为 cluster(簇) 中的点数。
使用的函数:
from sklearn.metrics import calinski_harabaz_score