聚类算法（下）：10个聚类算法的评价指标

上篇文章我们已经介绍了一些常见的聚类算法，下面我们将要介绍评估聚类算法的指标

在聚类算法中，评估聚类结果的好坏是非常重要的。常见的聚类评估指标包括：

• Rand Index：用于衡量聚类结果和真实标签之间的相似度。
• Adjusted Rand Score：Rand Index的调整版本，可以对随机结果进行惩罚。
• Mutual Information Score（基于互信息的分数）：衡量聚类结果和真实标签之间的相似度。
• Normalized Mutual Information Score：Mutual Information Score的归一化版本。
• Adjusted Mutual Information Score：Normalized Mutual Information Score的调整版本。
• Homogeneity and Completeness Score：分别衡量聚类结果的同质性和完整性。
• V-Measure：基于Homogeneity和Completeness Score计算的综合评估指标。
• Fowlkes-Mallows Score：用于衡量聚类结果和真实标签之间的相似度。
• Silhouette Score：用于衡量聚类结果中每个样本点与自身簇和其他簇之间的相似度。
• Calinski-Harabasz Index：基于簇内和簇间方差之间的比值来计算聚类性能。
• Davies-Bouldin Index：基于簇内的紧密度和簇间的分离度来计算聚类性能。

完整文章

https://avoid.overfit.cn/post/abf0739d6877426ca63870cac6202e2c