聚类算法的衡量指标

聚类算法的衡量指标

混淆矩阵

con = confusion_matrix(y_test,y_pred)
import matplotlib.pyplot as plt
cmap = plt.cm.get_cmap('RdYlBu')
plt.imshow(con,cmap = cmap)
plt.show()

均一性

一个簇中只包含一个类别的样本，则满足均一性；其实也可以认为就是正确率(每个聚簇中正确分类的样本数占该聚簇总样本数的比例和):

 

完整性

同类别样本被归类到相同簇中，则满足完整性；每个聚簇中正确分类的样本数占该类型的总样本数比例的和:

 

V-measure

均一性和完整性的加权平均:

 

调整兰德系数(ARI)

Rand index(兰德指数)(RI)，RI取值范围为[0,1]，值越大意味着聚类结果与真实情况越吻合:

 

其中C表示实际类别信息，K表示聚类结果，a表示在C与K中都是同类别的元素对数 ，b表示在C与K中都是不同类别的元素对数，c_2^n 表示数据集中可以组成的对数

调整兰德系数(ARI，Adjusted Rnd Index)，ARI取值范围[-1,1]，值越大，表示聚类 结果和真实情况越吻合。从广义的角度来将，ARI是衡量两个数据分布的吻合程度的。

 

调整互信息(AMI)

调整互信息(AMI，Adjusted Mutual Information)，类似ARI，内部使用信息熵:

 

轮廓系数(Silhouette)

簇内不相似度：计算样本i到同簇其它样本的平均距离为ai;ai越小，表示样本i越应该被聚类到该簇，簇C中的所有样本的ai的均值被称为簇C的簇不相似度。

簇间不相似度：计算样本i到其它簇Cj的所有样本的平均距离bij，bi=min{bi1,bi2,...,bik}；bi越大，表示样本i越不属于其它簇。

轮廓系数：si值越接近1表示样本i聚类越合理，越接近-1，表示样本i应该分类到另外的簇中，近似为0，表示样本i应该在边界上；所有样本的si的均值被成为聚类结果的轮廓系数。