聚类算法的评价方法

最新推荐文章于 2023-11-26 11:01:54 发布
最新推荐文章于 2023-11-26 11:01:54 发布
阅读量1.5k 收藏
点赞数
分类专栏： 数据挖掘 机器学习 文章标签： 算法
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/zhangshuliai/article/details/7786745
版权

1，专家评价：把结果拿给专家坐判断，太耗人力

2，熵：计算各个类的熵，根据聚类结果里面各个数据分类的分布，需要数据事先做好标签分类

3，类纯度：取每个聚类里面最大的分类数据所占的比例，也需要数据事先做好标签分类

4，计算类内关联度和类间散度

5，让用户评价：在推荐系统中，需要聚类商品和聚类用户，根据推荐的效果来评价聚类算法

zhangshuliai
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人智导（十六）：聚类效果评价
SWY's Workshop
09-05 461
人智导（十六）：聚类效果评价 总述 聚类质量的评价是一个困难的问题 没有正确结果的反馈（无监督过程） 常用的方法： 使用者的观察 了解数据的分布 对于文档的聚类，可以通过阅读同一簇中的文档内容判断分组是否正确 分类的方法 基于数据外在信息的评价方法 使用已标记类的数据（如同分类问题）验证算法质量 假设：每一个类是一个簇(cluster) 算法得到聚类结果后，测算其质量，通过熵(entropy)，纯度(purity)，查准率(precision)，查全率(recall)，F值等等 已知数据
聚类的一些评价手段
luoleicn的专栏
03-05 4万+
什么是聚类聚类简单的说就是要把一个文档集合根据文档的相似性把文档分成若干类，但是究竟分成多少类，这个要取决于文档集合里文档自身的性质。下面这个图就是一个简单的例子，我们可以把不同的文档聚合为3类。另外聚类是典型的无指导学习，所谓无指导学习是指不需要有人干预，无须人为文档进行标注。 聚类的评价既然聚类是把一个包含若干文档的文档集合分成若干类，像上图如果聚类算法应该把文档集合分成3
【机器学习 | 聚类】关于聚类最全评价方法大全，确定不收藏？
最新发布
计算机魔术师的blog
11-26 1668
本系列旨在普及那些深度学习路上必经的核心概念，文章内容都是博主用心学习收集所写，欢迎大家三联支持！本系列会一直更新，核心概念系列会一直更新！欢迎大家订阅。
Cluster Analysis 的 评估方法 Evaluation Methods（Apply For Bioinformatics）
kayzhao的专栏
03-16 1563
-----------------------【Basic information】-------------------------------- 【Density】 Density is to describe how closely the nodes in the cluster interact with each other. Given a cluster consisting
聚类算法评价
xiangxiazaif的专栏
03-11 1005
转自：https://blog.csdn.net/u012102306/article/details/52423074 一、Not Given Label: 1、Compactness(紧密性)(CP) CP计算 每一个类 各点到聚类中心的平均距离 CP越低意味着类内聚类距离越近 缺点：没有考虑类间效果 2、Separation(间隔性)(SP)...
聚类算法评价指标Precision，F-meare，F1，ACC
03-11
聚类算法评价指标
聚类算法评价指标：RandIndex，matlab代码
03-11
聚类算法评价指标：RandIndex，matlab代码
算法协同聚类,聚类算法实现,matlab
09-10
在这个场景中，我们关注的是“算法协同聚类”，一种结合了协同过滤与模糊C均值（Fuzzy C-Means, FCM）聚类算法的方法。在MATLAB环境下实现这种算法，可以有效地对大规模复杂数据进行分类。 **协同聚类** 是一种基于...
谱聚类算法.zip
10-11
6. 聚类算法：在得到特征向量后，可以使用k-means或者其他聚类方法来进行实际的划分。k-means对初始中心点的选择敏感，可能需要多次运行以找到最优解。 综上所述，要改善谱聚类的效果，可以从参数调整、数据预处理...
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！
常见聚类方法的介绍及其改进与评估方法
weixin_43842041的博客
02-27 2740
聚类方法介绍 聚类方法主要分为自上而下聚类和自下而上聚类。 自上而下聚类指的是，首先将所有的样本点一起看作一类，对这一大类不停地进行拆分； 而自下而上聚类指的是，首先把每个点自己都看成一类，这样起始会有n类，之后再逐渐合并。 1.k均值聚类方法 首先找到k个种子； 计算每个点到种子的距离，将其分到最近的种子所属的那一类； 重新计算k个类的重心，重复上述步骤。 满足设定的迭代次数，或类的重心距离变...
怎样评价聚类结果好坏？
weixin_30381793的博客
09-13 2929
聚类定义回顾：把一个文档集合根据文档的相似性把文档分成若干类，究竟分成多少类，这个要取决于文档集合里文档自身的性质。 　回答1： 　基于不同算法，会有不同指标，通常较通用的应该一定都会有Entropy 熵和Accuracy,（Accuracy 里可以包含了precision, recall, f-measure.）假设我们使用k-means算法，通常会加上SSE （...
几种常用的聚类算法及评价方法——2022.4
root-cause的博客
04-20 5899
本文分析了Kmeans、Kmedoids、Cure、Birch、DBSCAN、OPTICS、Clique、DPC算法。 除了Birch聚类算法的python算法调用了sklearn.cluster里的Birch函数，没有未搜到Clique聚类的matlab版本的算法。其余算法pyt...
聚类的评价指标
weixin_39915444的博客
10-26 1万+
聚类的评价指标 对于聚类结果的评价方法一般可以分为内部评估法（internal evaluation）与外部评估方法（external evaluation）。 外部评估方法是指在知道真实标签（ground truth ）的情况下来评估聚类结果的好坏，例如纯度（Purity）、兰德系数（Rand Index, RI）、F值（F-score）和调整兰德系数（Adjusted Rand Index,ARI）。一般来说在做论文，或者是有少量的标注数据时，都可以用外部评估法选择一个相对最优的聚类模型，.
常用的聚类算法及聚类算法评价指标
小白学视觉
03-29 7384
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 本文转自：磐创AI1. 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...
聚类算法评价指标
铭霏的记事本
09-03 3万+
一、Compactness(紧密性)(CP)       CP计算 每一个类  各点到聚类中心的平均距离       CP越低意味着类内聚类距离越近       缺点：没有考虑类间效果 二、Separation(间隔性)(SP)       SP计算 各聚类中心两两之间平均距离       SP越高意味类间聚类距离越远       缺点：没有考虑类内效果 三
sklearn聚类算法评估方法 之各种系数
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：对聚类性能的评价
lpty的博客
07-10 7349
一、前言 对于有监督的学习方法，我们可以找到许多评价指标，但是要评价无监督算法的质量，相对来说比较少有提及，正好最近在做一个相关的工作，稍微整理一下。 二、方法 下述提及方法均以k-means算法为基础， 不同聚类方法有不同的评价指标，这里说说k-means常用的两种方法 1、肘部法则–Elbow Method 我们知道k-means是以最小化样本与质点平方误差作为目标函数，将每个簇的质...
聚类效果好坏的评价指标
热门推荐
chixujohnny
07-07 9万+
原文标题： 《Understanding of Internal Clustering Validation Measures》 发表在2010 IEEE International Conference on Data Mining 应该译为“内部聚类效果测量的一些理解”，我译成了大白话，也没错，这篇文章讲的就是如何评价你聚类好坏的。 下面译文开始： #--
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