Silhouette-Scores sind eine Metrik, die zur Bewertung der Qualität von Clustering-Ergebnissen in der Datenanalyse verwendet wird. Sie messen, wie ähnlich ein Objekt seinem eigenen Cluster im Vergleich zu anderen Clustern ist. Höhere Werte deuten auf besser definierte Cluster hin, während niedrigere Werte auf überlappende oder schlecht getrennte Gruppen hindeuten.

Silhouette Scores verstehen

Der Silhouetten-Score reicht von -1 bis 1. Ein Score nahe 1 zeigt an, dass Datenpunkte gut mit ihrem eigenen Cluster und schlecht mit benachbarten Clustern übereinstimmen. Ein Score nahe 0 deutet auf überlappende Cluster hin, und negative Werte bedeuten, dass Datenpunkte den falschen Clustern zugeordnet werden können.

Berechnung des Silhouette Score

Die Berechnung umfasst zwei Hauptkomponenten für jeden Datenpunkt:

  • a: Der durchschnittliche Abstand zwischen dem Punkt und allen anderen Punkten im selben Cluster.
  • b: Der niedrigste durchschnittliche Abstand zwischen dem Punkt und allen Punkten in einem anderen Cluster.

Die Silhouette-Score für jeden Punkt wird dann berechnet als:

Silhouette score = (b - a) / max(a, b)

Silhouette Scores in der Praxis

Durch die Berechnung der Werte für verschiedene Clusterzahlen können Analysten die Konfiguration mit dem höchsten durchschnittlichen Silhouetten-Score auswählen, was die Interpretierbarkeit und Effektivität der Clustering-Ergebnisse verbessert.