ML --聚类算法

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)