Le regroupement est une technique courante d'analyse des données utilisée pour regrouper des points de données similaires. L'évaluation de la qualité de ces groupes est essentielle pour assurer des résultats significatifs, en particulier dans les applications techniques où l'exactitude influe sur la prise de décision.

Mesures d'évaluation interne

Les mesures internes évaluent la cohésion et la séparation des grappes uniquement en fonction des données elles-mêmes. Elles n'exigent pas d'étiquettes externes ni de vérité au sol.

  • Silhouette Score:[ Mesure la similitude d'un objet avec son propre cluster par rapport à d'autres clusters. Les valeurs varient de -1 à 1, les scores plus élevés indiquant une meilleure cluster.
  • Indice de Dunn:[ Évaluer le rapport entre la plus petite distance entre les observations dans différents clusters et la plus grande distance intra-cluster.
  • Davies-Bouldin Index:[ Calcule la similitude moyenne entre chaque cluster et celui qui lui est le plus semblable.

Mesures d'évaluation externe

Les mesures externes comparent les résultats de regroupement à une vérité ou une étiquette prédéfinie du sol. Elles sont utiles lorsque les classifications réelles sont connues, comme dans les scénarios supervisés.

  • Indice de Rand ajusté (ARI):[ Mesure la similitude entre les grappes prévues et les étiquettes vraies, en ajustant pour le hasard. Les valeurs vont de -1 à 1.
  • Information mutuelle (NMI): Quantifie la dépendance mutuelle entre le groupement et les étiquettes vraies, normalisée entre 0 et 1.
  • Score d'homogène:[ Vérifie si chaque groupe ne contient que des points de données qui sont membres d'une seule classe.

Calculs et interprétation

Par exemple, le Silhouette Score utilise la distance moyenne intra-groupe et la distance moyenne-groupe la plus proche pour chaque point. Les mesures externes nécessitent souvent une matrice de confusion ou un tableau d'éventualité comparant les grappes prédites avec les vraies étiquettes.

Les scores Silhouette et les valeurs NMI plus élevés indiquent une meilleure qualité des regroupements, tandis que les indices Davies-Bouldin plus bas suggèrent des regroupements bien séparés. La combinaison de plusieurs mesures fournit une évaluation complète.