Table of Contents
خوشه سازی یک تکنیک رایج در تجزیه و تحلیل داده است که برای گروه بندی نقاط داده مشابه استفاده می شود.ارزیابی کیفیت این خوشه ها برای اطمینان از نتایج معنی دار ضروری است، به ویژه در برنامه های مهندسی که دقت بر تصمیم گیری و محاسبات مختلف تاثیر می گذارد، به تعیین اینکه چگونه خوشه بندی با ساختار داده های اساسی سازگار است.
معیارهای داخلی ارزیابی
معیارهای داخلی، انسجام و جدایی خوشه ها را تنها بر اساس داده ها ارزیابی می کنند، آنها به برچسب های خارجی یا حقیقت زمین نیاز ندارند.این معیارها به تعیین اینکه چگونه خوشه ها جمع و جور و متمایز هستند، کمک می کنند.
- امتیاز اندازه گیری می کند که چگونه یک جسم مشابه با خوشه خود در مقایسه با دیگر خوشه ها است.
- شاخص: نسبت بین کوچکترین فاصله بین مشاهدات در خوشه های مختلف و بزرگترین فاصله بین خوشه ها را ارزیابی می کند.
- Davies-Bouldin Index: Calculates میانگین شباهت بین هر خوشه و مشابه ترین آن است.
معیارهای خارجی
معیارهای خارجی مقایسه نتایج خوشه ای به یک حقیقت زمین یا برچسب های پیش تعریف شده است.آنها در هنگام طبقه بندی واقعی مفید هستند، مانند سناریوهای تحت نظارت.
- شاخص رند (ARI): شباهت بین خوشه های پیش بینی شده و برچسب های واقعی را اندازه گیری می کند، تنظیم برای ارزش های مختلف از -1 تا 1.
- اطلاعات مشترک (NMI) را عادی کرد: همبستگی متقابل بین خوشه و برچسب های واقعی را اندازه گیری می کند، طبیعی است که بین 0 و 1 محدوده داشته باشد.
- امتیاز باروری: بررسی کنید که آیا هر خوشه دارای تنها نقاط داده است که اعضای یک کلاس واحد هستند.
محاسبه ها و تفسیر
محاسبه این معیارها شامل فرمول های خاص و اقدامات فاصله است.برای مثال، امتیاز سیلوت از میانگین فاصله درون کم و میانگین فاصله نزدیک به گرم برای هر نقطه استفاده می کند. معیارهای خارجی اغلب نیاز به یک ماتریس سردرگمی یا جدول انقباضی دارند که خوشه های پیش بینی شده را با برچسب های واقعی مقایسه می کنند.
تفسیر نتایج بستگی به متن دارد. نمرات عالی سیلوت و مقادیر NMI نشان دهنده کیفیت خوشه ای بهتر است، در حالی که شاخص های پایین دیویس-Bouldin خوشه های به خوبی تجزیه شده را پیشنهاد می کنند.