python聚类分析结果很差_如何评价聚类结果的好坏？

聚类

在无监督学习中，训练样本的标记是没有指定的，通过对无标记样本的训练来探索数据之间的规律。其中应用最广的便是聚类，聚类试图把一群未标记数据划分为一堆不相交的子集，每个子集叫做”簇“，每个簇可能对应于一个类别标签，但值得注意的是，这个标签仅仅是我们人为指定强加的，并不是数据本身就存在这样的标签。例如音乐软件对音乐的曲分或者流派进行聚类，可以划分为伤感，轻快等一系列标签，但是这个曲分只是人为加上的，音乐本身并不知道自己被分为了什么曲分。

性能指标

具体的性能度量有两类，一类是外部指标，与某个专家给定的参考模型进行比对，另一类是内部指标，只考虑自己聚类之后的结果。

外部指标

外部指标需要一个参考模型，这个参考模型通常是由专家给定的，或者是公认的参考模型比如公开数据集。对于聚类的结果所形成的簇集合(这里叫做簇C)，对于参考模型的簇集合(这里叫做D)，对这两个模型结果的样本进行两两配对比较，可得到如下显而易见的数据。

对这里的abcd，不考虑一个样本属于多个簇的情况，因此每个样本都只能出现在一个集合中，所以a+b+c+d=m(m-1)/2。(m为样本总数)

由此可以导出几个常见的外部性能指标，Jaccard系数，FM指数，Rand指数。Jaccard指数(简称JC)

常用来表示集合之间的相似性和差异性，常常被定义为集合交集大小与集合并集大小的比值，因此也常被叫做并交比。其公式为