常用聚类算法以及算法评价

聚类模型是一种非监督的学习方法，聚类的输入是一组未标记的数据，聚类模型根据自身的距离或相似性将其化为若干组，划分的原则是组内距离最小化而组间距离最大化。常见聚类方法见下表：

类别	主要算法
划分方法	k-Means,k-Medoids(k中心点),CLANRANS(基于选择的算法)
层次分析方法	BIRCH(平均迭代规约和聚类)，CURE(代表点聚类)，CHAMELEON(动态模型)
基于密度的方法	DBSCAN(高密度连接区域)，DENCLUE(密度分布函数)，OPTICS(对象排序识别)
基于网格的方法	STING(统计信息网络)，SLIOUE(聚类高维空间)，WAVE-CLUSTER(小波变化)
基于模型的方法	统计学，神经网络

---

聚类分析算法评价：
聚类分析目标是实现组内相似性高，组间相似性低。组内相似性越大，组间相似性越大，聚类效果越好。

1. purity评价法
   purity评价法相对简单，只需计算正确聚类数目占总数的比例。

   purity(X,Y)=$\frac{1}{n}$$\sum max|x_k\bigcap y_k|$

2. RI评价法
   RI=$\frac{R+W}{R+M+D+W}$

   R：应该在一起的两个对象被正确分类了
   W：不应该被聚在一类的两个对象被正确分开了
   M：不该放在一类的对象被错误的放在了一类
   D：不应该分开的对象被错误的分开了

3. F值评价法
   RI方法的衍生方法：
   $F_a$ =$\frac{(1+\alpha^2)pr}{\alpha^2 p+r}$,
   其中，p=$\frac{R}{R+M}$,r=$\frac{R}{R+D}$.
   实际上，RI方法就是把准确率p和召回率看得同等重要。事实上，有时我们需要某一特性更多一点，这时候就适合使用F值方法。