Klusterien klusterien laadun arviointi on merkityksellistä, jotta voidaan varmistaa niiden mielekäs ymmärrys. Klusterimittareiden avulla voidaan arvioida kvantitatiivisesti algoritmin suorituskykyä.

Yleinen klusterimetriikka

Useita mittareita käytetään arvioimaan klusterointi tuloksia. Suosituimpia ovat:

  • Silhouette pistemäärä[: Mitataan, kuinka samanlainen kohde on sen omaan klusteriin verrattuna.
  • Davies-Bouldin-indeksi: Arvioi kunkin ryppään ja sen kaikkein samankaltaisten ryppäiden välisen keskimääräisen samankaltaisuuden.
  • Calinski-Harabasz Index: Arvioi klusteridispersion ja klusterien sisäisen dispersion välisen suhteen.

Metriikan laskeminen

Useimmat klusterikirjastot tarjoavat toimintoja näiden mittareiden laskentaan. Esimerkiksi Pythonin skikit-oppikirjastossa voit käyttää:

] siluetti score()], [davies bouldin score()[, ja calinski harabasz score() [].

Nämä toiminnot edellyttävät datapisteitä ja niiden osoitettu klusterien tarroja syötteeksi. Oikea esikäsittely ja normalisointi tietojen parantaa luotettavuutta metrit.

Tuloksia tulkitaan

Korkeammat siluettipisteet osoittavat hyvin määriteltyjä klustereita, kun taas alemmat pisteet viittaavat päällekkäisiin tai huonosti eroteltuihin ryhmiin. Davies-Bouldin-indeksin alemmat arvot ovat parempia, mikä osoittaa erillisiä klustereita. Calinski-Harabasz-indeksi suosii korkeampia pisteitä, mikä heijastaa parempaa ryhmittelyrakennetta.