聚类效果评价——Calinski-Harabasz（CH指标）——内部评估标准（2）

Caliński, Tadeusz, and Jerzy Harabasz. “A dendrite method for cluster analysis.” Communications in Statistics-theory and Methods 3.1 (1974): 1-27.

公式与简介

CH指标的计算公式是：$s=\frac{\mathrm{t}\mathrm{r}(B_k)}{\mathrm{t}\mathrm{r}(W_k)}\times \frac{n_E-k}{k-1}$

其中$B_k$ 为 between-clusters dispersion mean（类间距离），$W_k$为 within-cluster dispersion（类内部的距离），详细公式如下：

$W_k={\sum }_{q=1}^k{\sum }_{x\in C_q}(x-c_q)(x-c_q{)}^T$

$B_k={\sum }_{q=1}^k{n}_q(c_q-c_E)(c_q-c_E{)}^T$

$W_k$ 中：$C_q$表示当前点所在的类$q$；$c_q$是当前类$q$的聚类中心点

$B_k$ 中：$C_e$表示类$e$的中心；$n_q$表示类别$q$包含的点数。

值越大表示聚类效果越好

代码实现

import pandas as pd
import numpy as np
from sklearn import metrics
from sklearn.cluster import KMeans

dataframe = pd.DataFrame(data=np.random.randint(0, 50, size=(200, 10)))
# 以kmeans聚类方法为例
kmeans_model = KMeans(n_clusters=3, random_state=1).fit(dataframe)
labels = kmeans_model.labels_
score = metrics.calinski_harabasz_score(dataframe, labels)
print(score)

参考文章

sklearn:https://scikit-learn.org/stable/modules/clustering.html#calinski-harabasz-index