评价模型 python_聚类模型评价（python实现）

戳蓝色字关注我们哟！

在使用聚类方法的过程中，常常涉及到如何选择合适的聚类数目、如何判断聚类效果等问题，本篇文章我们就来介绍几个聚类模型的评价指标，并展示相关指标在python中的实现方法。

抽奖送书活动进行中，戳－>新书推荐 抽奖送到家！

1

概述

评价指标分为外部指标和内部指标两种，外部指标指评价过程中需要借助数据真实情况进行对比分析的指标，内部指标指不需要其他数据就可进行评估的指标。下表中列出了几个常用评价指标的相关情况：

2

2

Python实现

轮廓系数(Silhouette Coefficient)

轮廓系数可以用来选择合适的聚类数目。根据折线图可直观的找到系数变化幅度最大的点，认为发生畸变幅度最大的点就是最好的聚类数目。

from sklearn.metrics import silhouette_scoredata2 = data1.sample(n=2000,random_state=123,axis=0)silhouettescore=[]for i in range(2,8):kmeans=KMeans(n_clusters=i,random_state=123).fit(data2.iloc[:,1:4])score=silhouette_score(data2.iloc[:,1:4],kmeans.labels_)silhouettescore.append(score)plt.figure(figsize=(10,6))plt.plot(range(2,8),silhouett