وتستخدم نماذج غير مشرفة لتحليل البيانات دون نواتج ملصقة، ويقتضي تقييم أدائها قياسات محددة تقيس مدى استيعاب النماذج لهياكل البيانات الأساسية، وتناقش هذه المادة القياسات المشتركة وحساباتها وكيفية تفسير النتائج.

مقاييس التقييم المشتركة

وتستخدم عدة مقاييس لتقييم النماذج غير الخاضعة للرقابة، بما في ذلك تدابير التجميع المتعلقة بالجودة وتقييمات الحد من البعد، وتساعد هذه القياسات على تحديد مدى فعالية النماذج في تمثيل أنماط البيانات.

القياسات والحسابات

ومن بين القياسات المستخدمة على نطاق واسع مقياس سيلوويت الذي يقيس مدى تشابه الجسم في مجموعته الخاصة مقارنة بالمجموعات الأخرى، يتراوح بين 1 و 1 مع ارتفاع القيم التي تشير إلى تكتلات أفضل.

وثمة قياس آخر هو مؤشر دافيز - بولدين الذي يقيّم الفصل بين المجموعات والتضاؤم، إذ تشير القيم الدنيا إلى وجودة تجميع أفضل.

وفيما يتعلق بتخفيض البُعد، يشير معدل الفرق الموضح إلى كمية المعلومات التي تحتفظ بها العناصر الرئيسية، ويحسب هذا الرقم بموجز الفرق الذي يشرحه كل عنصر.

ترجمة شفوية للنتائج

وتفترض مجموعة الكشافة العليا في سيلوويت مجموعات محددة جيدا، في حين تشير القيم الدنيا لمؤشر دافيز - بولدين إلى فصل واضح، وفي مجال الحد من البعد، يشير ارتفاع معدل الفرق الموضح إلى زيادة فعالية ضغط البيانات.

ومن المهم مقارنة هذه القياسات عبر نماذج مختلفة أو بظروف البارامترات لاختيار أنسب نهج لوضع مجموعة بيانات محددة.