模型评估(误差平方和(SSE The sum of squares due to error))

1 误差平方和(SSE The sum of squares due to error):¶

举例:(下图中数据-0.2, 0.4, -0.8, 1.3, -0.7, 均为真实值和预测值的差)

模型评估(误差平方和(SSE The sum of squares due to error))_第1张图片

在k-means中的应用:

模型评估(误差平方和(SSE The sum of squares due to error))_第2张图片

公式各部分内容:

模型评估(误差平方和(SSE The sum of squares due to error))_第3张图片

上图中: k=2

  • SSE图最终的结果,对图松散度的衡量.(eg: SSE(左图))

  • SSE随着聚类迭代,其值会越来越小,直到最后趋于稳定:

  • 如果质心的初始值选择不好,SSE只会达到一个不怎么好的局部最优解.

“肘”方法 (Elbow method) — K值确定¶

模型评估(误差平方和(SSE The sum of squares due to error))_第4张图片

(1)对于n个点的数据集,迭代计算k from 1 to n,每次聚类完成后计算每个点到其所属的簇中心的距离的平方和;

(2)平方和是会逐渐变小的,直到k==n时平方和为0,因为每个点都是它所在的簇中心本身。

(3)在这个平方和变化过程中,会出现一个拐点也即“肘”点,下降率突然变缓时即认为是最佳的k值

在决定什么时候停止训练时,肘形判据同样有效,数据通常有更多的噪音,在**增加分类无法带来更多回报时,我们停止增加类别**。

3 轮廓系数法(Silhouette Coefficient)¶

结合了聚类的凝聚度(Cohesion)和分离度(Separation),用于评估聚类的效果:

模型评估(误差平方和(SSE The sum of squares due to error))_第5张图片

目的:

​ 内部距离最小化,外部距离最大化

计算样本i到同簇其他样本的平均距离ai,ai 越小样本i的簇内不相似度越小,说明样本i越应该被聚类到该簇。

计算样本i到最近簇Cj 的所有样本的平均距离bij,称样本i与最近簇Cj 的不相似度,定义为样本i的簇间不相似度:bi =min{bi1, bi2, ..., bik},bi越大,说明样本i越不属于其他簇。

求出所有样本的轮廓系数后再求平均值就得到了**平均轮廓系数**。

平均轮廓系数的取值范围为[-1,1],系数越大,聚类效果越好。

簇内样本的距离越近,簇间样本距离越远

案例:

下图是500个样本含有2个feature的数据分布情况,我们对它进行SC系数效果衡量:

模型评估(误差平方和(SSE The sum of squares due to error))_第6张图片

n_clusters = 2 The average silhouette_score is : 0.7049787496083262

n_clusters = 3 The average silhouette_score is : 0.5882004012129721

n_clusters = 4 The average silhouette_score is : 0.6505186632729437

n_clusters = 5 The average silhouette_score is : 0.56376469026194

n_clusters = 6 The average silhouette_score is : 0.4504666294372765

n_clusters 分别为 2,3,4,5,6时,SC系数如下,是介于[-1,1]之间的度量指标:

每次聚类后,每个样本都会得到一个轮廓系数,当它为1时,说明这个点与周围簇距离较远,结果非常好,当它为0,说明这个点可能处在两个簇的边界上,当值为负时,暗含该点可能被误分了。

你可能感兴趣的:(机器学习,算法,人工智能,kmeans)