假设一个集合有N篇文章

聚类在数据挖掘领域有很多算法，到底哪个算法效果比较好，根据实际情况应该如何选择哪个算法，是数据分析应该要考虑的问题，简单来说也就是聚类效果评估。

---

假设一个集合有N篇文章

那么这个集合的集合对就有

C(2N)=N(N−1)2

个集合对

• TP：同一类的文章被分到同一个簇
  
• TN：不同类的文章被分到不同簇
  
• FP：不同类的文章被分到同一个簇
  
• FN：同一类的文章被分到不同簇

Rand Index 度量的正确的百分比:

RI=TP+TNTP+FP+FN+TN

TP+FP=C(26)+C(26)+C(26)=40

TP=C(25)+C(24)+C(23)+C(22)=20

因此，

FP=40−20=20

同理,

FN+TN=(16)×(16)+(16)×(15)+C(16)×C(15)=96

FN=C(15)×C(13)＋C(11)×C(12)＋C(11)×C(14)＋C(11)×C(13)=24

FP=96−24=72

	同簇
同类	TP = 20
不同类	FP = 20

RI=20+7220+20+24+72≈0.68

Precision＝TPTP+FP

Recall＝TPTP+FN

• β>1
  
  
• Fβ＝(β2+1)×Recall×Precisionβ2×Precision+Recall

Precision＝2020+20＝0.5

Recall＝2020+24≈0.455

F1＝2×0.455×0.50.455+0.5≈0.48

业精于勤荒于嬉，行成于思而毁于随