5 聚类 - 性能度量

外部指标 (要求数据集有标签)

image.png

• 调整兰德系数 Adjusted Rand Index
  描述分类与真实标签的相似度
  1） RI取值范围为[0,1]，RI越大聚类效果越准确，即每个类内的纯度越高
  2） ARI取值范围为[−1,1]，值越大意味着聚类结果与真实情况越吻合。从广义的角度来讲，ARI衡量的是两个数据分布的吻合程度。

  
  
  

  image.png
  
  

  其中，a代表同类别同标签元素对数， b代表不同类别不同标签元素对数

• jaccard
  又称为Jaccard相似系数（Jaccard similarity coefficient）用于比较有限样本集之间的相似性与差异性。Jaccard系数值越大，样本相似度越高。

内部指标 (针对无标签数据)

image.png

相对指标

• 轮廓系数

轮廓系数描述的是 样本是否被正确分类的评分

image.png

轮廓系数可以用于确定k值

image.png

image.png

评判分类效果

image.png

轮廓系数的缺点： 如双环形数据集，单连接和DBSCAN可以完美分割，但是得分却很低，因而轮廓系数更适合用于紧凑的数据聚类

image.png

聚类算法评价指标