聚类算法
- 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,
评价指标
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。
a = 在C中属于相同簇且在D中属于相同簇的样本对的数量。
b = 在C中属于相同簇且在D中属于不同簇的样本对的数量。
c = 在C中属于不同簇且在D中属于相同簇的样本对的数量。
d = 在C中属于不同簇且在D中属于不同簇的样本对的数量。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)