kmeans及模型评估指标_如何评估聚类模型？兰德指数、轮廓系数、Calinski Harabaz指数...

我们可以通过对一系列曲目进行聚类来创建歌曲的自动播放列表，我们可以展示如何自动创建相似歌曲的子组。通过我们现有的歌曲知识，我们能够验证该聚类练习的结果。

但是，如果我们对数据没有这种先验知识怎么办？如果数据甚至都没有被标记怎么办(在许多实际的聚类案例中就是这种情况)？即使是这样，如果这些标签最初对我们没有意义，该怎么办？有很多我从未听说过的艺术家，如果我们要对数千首曲目进行分组，那么手动验证每个集群显然是不切实际的。在这些情况下，我们需要某种数学方法来衡量聚类的'成功'程度。

为了探索如何做到这一点，我们再次转向Spotify的API。假设我们从四个完全不同的播放列表中选取歌曲：Rap UK

Smooth Jazz

Classical Essentials

Essential K-Pop

如果我们将它们合并到一个数据集中，则无监督的机器学习算法应该能够将其歌曲分组为四个群集，这些群集在某种程度上类似于原始的四个播放列表。

在开始之前，我们确实可能需要检查一下我们的假设，即来自这些不同播放列表的歌曲确实'与众不同'。当然，在单个图表上同时可视化两个以上的特征是一项挑战。但是，如果我们绘制所有功能的散布矩阵，并按播放列表进行颜色编码，则可以看到有很多度量组合可以证明每种流派的独特特征。

我们在上中看到，在Scikit-Learn中运行聚类算法非常简单：

#We scale the data to ensure that#feature units don't impact distancesfrom sklearn.preprocessing import StandardScalersclaer = StandardScaler()X_scaled = scaler.fit_transform(X)#This scaled data can then be fed into the HAC algorithmfrom sklearn.cluster import AgglomerativeClustering#We can tell it how many clusters we're aiming forag