聚类分析中的内部指标——Calinski-Harabasz Index（CH 指数）详解

聚类分析中的内部指标——Calinski-Harabasz Index（CH 指数）详解

在聚类分析（Clustering）中，内部指标（Internal Evaluation Metrics） 用于衡量聚类结果的质量，尤其是对无监督学习模型的效果进行定量评价。Calinski-Harabasz Index（CH 指数） 是衡量聚类质量的一个常用指标，它通过考量簇内样本的紧密度和簇间分离度来评估聚类的效果。

---

一、Calinski-Harabasz Index（CH 指数）概念

1. CH 指数的直观理解

Calinski-Harabasz Index（CH 指数） 通过计算簇间散度矩阵（即簇间的离散度）和簇内散度矩阵（即簇内的紧密度）之比来评估聚类质量。该指数的值越大，表示聚类的效果越好，聚类结果越有效。具体来说，CH 指数综合考虑了簇间的分离度和簇内的紧密度，能很好地反映聚类的质量。一般来说，我们希望簇间的离散度越大，簇内的紧密度越小，从而得到较大的 CH 指数。

2. CH 指数的计算公式

Calinski-Harabasz Index（CH 指数）的数学公式可以通过以下步骤推导得到。设数据集包含 $n$ 个样本，并将其分为 $K$ 个簇，其中每个簇 $G_k$ 中有 $|G_k|$ 个样本。

1. 计算簇内散度矩阵 $S_W$

簇内散度矩阵 $S_W$ 用来衡量每个簇内部样本的分散程度，公式为：
$$S_W=\sum _{k=1}^K\sum _{x_i\in G_k}(x_i-{\mathbf{c}}_k)(x_i-{\mathbf{c}}_k{)}^{\top },$$
其中：

• $x_i$ 是簇 $G_k$ 中的第 $i$ 个样本；
• ${\mathbf{c}}_k$ 是簇 $G_k$ 的质心，表示簇内所有样本的均值：
  c k =