机器学习———聚类的性能度量指标与距离度量计算

最新推荐文章于 2024-04-13 14:00:00 发布

想当攻城狮的菜鸟

最新推荐文章于 2024-04-13 14:00:00 发布

阅读量2.5k

点赞数

分类专栏：机器学习老周文章标签：机器学习聚类距离度量性能指标

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/xieedun9158/article/details/81660348

版权

聚类，是无监督学习的代表，将数据集D划分成了若干个不相交的子集，称为簇，我们总体的目标是“簇间相似性越低越好，簇内相似性越高越好”。

1.性能度量指标——外部指标

外部指标：聚类结果与某个“参考模型”进行比较。

对数据集 $D=\left \{ \right.\begin{matrix} x_1 & x_2 & ... & x_m \end{matrix}\left. \right \}$ ,假设通过聚类划分为 $C=\left \{ \right.\begin{matrix} C_1 & C_2 & ... & C_m \end{matrix}\left. \right \}$ ，参考模型的划分为： $C^*=\left \{ \right.\begin{matrix} C^*_1 & C^*_2 & ... & C^*_m \end{matrix}\left. \right \}$ ,令 $\lambda$ 和 $\lambda ^*$ 分别表示 $C$ 和 $C^*$ 的标记。则令

最低0.47元/天解锁文章

想当攻城狮的菜鸟

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
机器学习———聚类的性能度量指标与距离度量计算

聚类，是无监督学习的代表，将数据集D划分成了若干个不相交的子集，称为簇，我们总体的目标是“簇间相似性越低越好，簇内相似性越高越好”。1.性能度量指标——外部指标外部指标：聚类结果与某个“参考模型”进行比较。对数据集,假设通过聚类划分为，参考模型的划分为：,令和分别表示和的标记。则令可以看出Jaccard系数(JC) ...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。