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