聚类评价CH指标sklearn.metrics.calinski_harabasz_score

已于 2022-11-02 14:02:37 修改
阅读量9.8k 收藏 61
点赞数 13
分类专栏： 聚类 # sklearn 文章标签： 聚类 sklearn
于 2022-08-19 11:06:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46713695/article/details/126417989
版权
本文介绍了在海量数据聚类中，如何利用Calinski-Harbasz Score（CH指标）辅助确定K值。CH指标通过比较类间和类内方差来评估聚类效果，值越大表示效果越好。然而，它倾向于给出较少类别的较高分数，需要寻找局部最优的K值。案例展示了MiniBatchKMeans和SpectralClustering的CH指标应用，并强调了参数调优的重要性。通过示例代码，演示了如何在不同K值和高斯核参数下寻找最佳聚类结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

在做海量数据聚类分析（MiniBatch Kmeans）的时候，常常因为数据量太大画不出 dendrogram，没办法用 Elbow Method 确定 K 值。这时需要其他 metrics 辅助确定 K 值。在做聚类之前，一定要先做去重啊！

Calinski-Harbasz Score (CH指标)

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

  • Calinski-Harbasz Score 是通过评估 类之间方差 和 类内方差 来计算得分，值越大效果越好。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
写时复制(COW)与vfork
Scroll_C的博客
03-07 654
/********************************** *@file atexit.c *@brief *@author lizhuofan *@date 2022-03-07 *************************************/ #include <stdio.h> #include <stdlib.h> static void exit_process1(void) { printf("exi...
Calinski-Harbasz Score 详解
chloe_ou的博客
04-02 1万+
在做海量数据聚类分析的时候，常常因为数据量太大画不出dendrogram，没办法用Elbow Method确定K值。这时需要其他metrics辅助确定K值。 概括地说，评估聚类的方法主要有两种： 内部评估方法：不需要借助其他监督数据，通过一个单一的量化得分评估算法好坏 外部评估方法：需要知道数据的类别，通过将聚类结果与ground truth进行对比，评估算法好坏 实际生产环境中，很少有标注...
聚类分析中的内部指标——Calinski-Harabasz Index（CH 指数）详解
DuHz的博客
03-22 1668
在聚类分析（Clustering）中，**内部指标（Internal Evaluation Metrics）** 用于衡量聚类结果的质量，尤其是对无监督学习模型的效果进行定量评价。**Calinski-Harabasz Index（CH 指数）** 是衡量聚类质量的一个常用指标，它通过考量簇内样本的紧密度和簇间分离度来评估聚类的效果。
python Calinski-Harabasz指数评价K-means聚类模型
12-20
首先导入数据集 #导入本地图片集 import os import cv2 array_of_img = [] #用于储存图像 #此函数用于读取图片，参数为本地路径名 def read_directory(directory_name): #循环读取这个路径中的每个图像 for filename in os.listdir(directory_name): #print(filename) #img用于储存图像数据 img = cv2.imread(directory_name + "/" + filename)#根据文件夹名称与文件名进行图像的读取
sklearn中使用calinski_harabaz_score
liyuanjunfrank的博客
07-10 1万+
做聚类的时候使用到calinski_harabaz_score。 score = metrics.calinski_harabaz_score(X, y_pre) 在本地运行的时候提示： module ‘sklearn.metrics’ has no attribute ‘calinski_harabaz_score’。 有网友说是sk-learn的版本太低造成的，但是我安装的版本是最新的，所以不是版本问题，后来发现是调用的包有问题。改为下面这样就没问题了。 score = metrics.calins
什么是CH系数？
...
07-04 1297
的比值，较高的CH值表明聚类结构更加明显，簇间差异大而簇内差异小，因此好的聚类结果应该有较高的CH系数。CH系数指的是Calinski-Harabasz指数，这是一种用于。根据上述公式标准化并求比值，即可得到CH系数。它的值越小，表示簇内部的凝聚性越好。个自由度（假设总质心固定的情况下）。它的值越大，表示簇之间的差异越大。个样本减去已经聚类成簇的。在实际应用中，通常会计算。值下的CH系数，选择使。
聚类算法常用内部评价指标——轮廓系数、Calinski-Harabasz Index（CH）、Davies-Bouldin Index（DB）
春夏丶秋冬的博客
08-15 3万+
聚类分析的评价指标也称为性能度量指标，博客主要介绍聚类算法内部评价指标—轮廓系数、Calinski-Harabasz Index（CH）、Davies-Bouldin Index（DB）等常用指标
任务描述 本关的实验任务为： 使用sklearn.cluster模块的K-means函数进行聚类； 使用sklearn.metrics模块的silhouette_score计算轮廓系数； 根据轮廓系数选择参数K； 使用正确选择的参数进行模型训练。 本关任务 根据下面的文字提示，在右侧编辑器补充代码，在已有的代码框架下实现函数功能，完成实验。 （1）首先，导入sklearn.cluster模块中的K-means函数； from sklearn.cluster import KMeans （2）根据轮廓系数进行参数选择； #使用matplotlib绘图 import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 #导入sklearn.metrics模块中的silhouette_score函数 from sklearn.metrics import silhouette_score Scores = [] # 存放轮廓系数 #********** Begin **********# for k in range(2,9): #计算轮廓系数 #********** End **********# # 画图 X = range(2,9) plt.xlabel('k') plt.ylabel('轮廓系数') plt.plot(X,Scores,'o-') plt.show() 如果填写正确，运行效果应该如下图所示： （3）根据轮廓系数选择参数K，根据上面的运行结果选择聚类的次数，除此以外将使用进程的数量设置为4， 最大迭代次数设置为500； #n_clusters：要分成的簇数也是要生成的质心数 #n_jobs: 使用进程的数量，与电脑的CPU有关 #max_iter：每次迭代的最大次数 #********** Begin **********# model1= model1.fit(data_zs) #训练模型 #********** End **********# 测试说明 平台会对你编写的代码进行测试，通过正确的输出处理之后的数据进行验证，所以请勿修改函数返回内容。 开始你的任务吧，祝你成功！
最新发布
03-31
from sklearn.metrics import calinski_harabasz_score, davies_bouldin_score # Calinski-Harabasz指数（值越大越好） ch_score = calinski_harabasz_score(X, labels) # Davies-Bouldin指数（值越小越好） db_...
【聚类评价】Calinski-Harabaz（CH）
weixin_30558305的博客
01-29 4596
Calinski-Harabaz（CH） CH指标通过计算类中各点与类中心的距离平方和来度量类内的紧密度，通过计算各类中心点与数据集中心点距离平方和来度量数据集的分离度，CH指标由分离度与紧密度的比值得到。从而，CH越大代表着类自身越紧密，类与类之间越分散，即更优的聚类结果。 在scikit-learn中， Calinski-Harabasz Index对应的方法是metrics.calins...
聚类指标
xzx1232010的博客
05-21 6160
1.轮廓系数（聚类的内部评价指标）。在sklearn里，有个函数silhouette_score可以使用，silhouette_score返回的是所有样本点轮廓系数的平均值。silhouette 是一个衡量一个结点与它属聚类相较于其它聚类的相似程度。取值范围-1到1，值越大表明这个结点更匹配其属聚类而不与相邻的聚类匹配。silhouette 可以根据任意距离度量，如Euclidean dista...
聚类有效性评价指标(4个内部4个外部)
10-28
常用内部（Sil，CH，DBI，KL）、外部评价指标（Rand等4个），用自带样本集“leuk72_3k.txt”测试可用！
使用K-Means进行聚类，用calinski_harabaz_score评价聚类效果
风口IT猪的成长录
08-19 4639
使用K-means进行聚类，用calinski_harabaz_score评价聚类效果代码效果附录 代码 """ 下面的方法是用kmeans方法进行聚类，用calinski_harabaz_score方法评价聚类效果的好坏 大概是类间距除以类内距，因此这个值越大越好 """ import matplotlib.pyplot as plt from sklearn.datasets.samples_generator import make_blobs from sklearn.cluster import
聚类算法及其模型评估指标【Tsai Tsai】
weixin_60200880的博客
10-16 2648
KMeans作为聚类算法的典型代表，KMeans算法将一组N个样本的特征矩阵X划分为K个无交集的簇，直观上来看是一组一组聚集在一起的数据，在一个簇中的数据就认为是同一类。当我们找到一个质心，在每次迭代中被分配到这个质心上的样本都是一致的，即每次新生成的簇都是一致的，所有的样本点都不会再从一个簇转移到另一个簇，质心就不会变化了。实际上，在质心不断变化不断迭代的过程中，总体平方和是越来越小的。在一个二维平面中，一簇数据点的质心的横坐标就是这一簇数据点的横坐标的均值，质心的纵坐标就是这一簇数据点的纵坐标的均值。
聚类评价指标
dundunmm的博客
12-29 926
目前的深度聚类领域的论文大多采用的是ACC、NMI、ARI三种，并且大多以NMI的值为准来衡量一个模型的聚类性能。也有部分论文采用了分类的F1指标来作为一种参考指标（个人认为可以不用）。当然，内部指标也可以用，我刚刚有一篇论文就被专家建议增加内部指标。内部评价指标不依赖真实标签，主要通过聚类结果本身的紧凑性和分离性进行评估。外部指标依赖真实标签，衡量聚类结果与真实类别的匹配程度。两大类，用于评估聚类算法的性能。
sklearn聚类算法评估方法 之各种系数
热门推荐
木东的博客
11-24 4万+
python中的分群质量 主要参考来自官方文档：Clustering 部分内容来源于：机器学习评价指标大汇总 个人比较偏好的三个指标有：Calinski-Harabaz Index（未知真实index的模型评估）、Homogeneity, completeness and V-measure（聚类数量情况）、轮廓系数 1.1 Adjusted Rand index 调整兰德系数
聚类算法评价指标
qq_18884487的博客
05-13 1586
https://blog.csdn.net/sinat_33363493/article/details/52496011
常用的聚类算法及聚类算法评价指标
TensorFlowNews
08-10 1万+
1. 典型聚类算法 1.1 基于划分的方法 代表：kmeans算法 ·指定k个聚类中心 ·（计算数据点与初始聚类中心的距离） ·（对于数据点，找到最近的{i}ci(聚类中心)，将分配到{i}ci中） ·(更新聚类中心点，是新类别数值的均值点) ·（计算每一类的偏差） ·返回返回第二步 1.2 基于层次的方法 代表：CURE算法 ·每个样本作为单独的一个类别 · ·合并,为 ·遍历...
【聚类指标】如何评估聚类算法：外部指标和内部指标、指标详解
Danger的博客
02-24 1万+
【聚类指标】如何评估聚类算法：外部指标和内部指标、指标详解
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值