والتجميع أسلوب مشترك في تحليل البيانات يستخدم في تجميع نقاط بيانات مماثلة، وتقييم نوعية هذه المجموعات أمر أساسي لضمان تحقيق نتائج ذات مغزى، لا سيما في التطبيقات الهندسية التي تؤثر على الدقة في صنع القرار، وتساعد مقاييس وحسابات مختلفة على تحديد مدى توافق التجمُّع مع هيكل البيانات الأساسي.

مقاييس التقييم الداخلي

وتقيِّم القياسات الداخلية تماسك المجموعات وفصلها بالاستناد فقط إلى البيانات نفسها، ولا تتطلب بطاقات خارجية أو حقيقة أرضية، وتساعد هذه القياسات على تحديد مدى اتفاق المجموعات وتميزها.

  • Silhouette Score:] Measures how similar an object is to its own clusters compared to other clusters. Values range from -1 to 1, with higher scores indicating better clustering.
  • Dunn Index:] Evaluates the ratio between the smallest distance between observations in different clusters and the largest intra-cluster distance.
  • Davies-Bouldin Index:] Calculates the average similarity between each cluster and its most similar one.

مقاييس التقييم الخارجي

وتقارن القياسات الخارجية نتائج التجميع بواقع أو بطاقات تعريفية محددة سلفاً، وهي مفيدة عندما تكون التصنيفات الحقيقية معروفة، كما هو الحال في السيناريوهات الخاضعة للإشراف.

  • Adjusted Rand Index (ARI): ] Measures the similarity between the predicted clusters and true labels, adjusting for chance.
  • Normalized Mutual Information (NMI): ] Quantifies the mutual dependence between the clustering and true labels, normalized to range between 0 and 1.
  • Hmogeneity Score:] checks if each cluster contains only data points which are members of a single class.

الحسابات والتفسير

فحساب هذه القياسات ينطوي على صيغ محددة وتدابير عن بعد، فعلى سبيل المثال، يستخدم جهاز الحرير السيلهويتي مسافة بعيدة عن كل نقطة، ومتوسط المسافة الأقرب إلى المجموعة بالنسبة لكل نقطة، وكثيرا ما تتطلب القياسات الخارجية مصفوفة ارتباك أو طاولة طوارئ مقارنة المجموعات المتوقعة بالعلامات الحقيقية.

وتتوقف تفسير النتائج على السياق، إذ تشير قيم أعلى في سيلوويت وقيم الحركة الوطنية إلى جودة أفضل في التجميع، في حين تشير الأرقام القياسية الدنيا لدفيز - بولدين إلى مجموعات منفصلة تماما، وتوفر مجموعة القياسات المتعددة تقييما شاملا.