קלוסטרינג היא טכניקה נפוצה בניתוח נתונים המשמש לקבוצה נקודות נתונים דומות. הערכת איכות של אשכולות אלה היא חיונית כדי להבטיח תוצאות משמעותיות, במיוחד ביישומים הנדסיים שבהם הדיוק משפיע על קבלת החלטות. מדדים שונים חישובים לעזור לכמת כמה טוב משתלבים הדחיסה עם מבנה הנתונים הבסיסי.

הערכה פנימית

מדדים פנימיים מעריכים את העקביות וההפרדה של אשכולות המבוססים רק על הנתונים עצמם.הם אינם דורשים תוויות חיצוניות או אמת קרקעית. המדדים האלה מסייעים לקבוע כמה קומפקטיות ומבדלות את הקובעים.

  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • מדד FLT:0 (Dunn Index: FLT:1) מעריך את היחס בין המרחק הקטן ביותר בין תצפיות במקבץ שונים לבין המרחק הגדול ביותר של אינטרטרה-קלוסטר.
  • מדד דוויס-בוולדין: חליל 1 (Caculates:0) קובע את הדומה הממוצעת בין כל אחד מהמקבץ לבין הערכים הנמוכים ביותר שלו, מצביעים על התאחדויות טובות יותר.

הערכה חיצונית

מדדים חיצוניים משווים תוצאות מקובצים לאמת קרקע מוגדרת מראש או לתוויתים.הם שימושיים כאשר סיווגים אמיתיים ידועים, כגון בתרחישים מבוקרים.

  • (ב) [ה]המדד ראנד (ARI): ראט'ראלף:1 [ממד את הדמיון בין המקבצים החזויים לבין תוויות אמת, החלת הסיכוי.
  • (הופנה מהדף NMI): ⁇ 1 (Quantifion:0) ,Quantifating Mutual התלות בין התותות המקובצים לבין התוויות האמיתיות, אשר נרמל לטווח בין 0 ל-1.
  • (ב) עיין בציון הגאוניות:0;FLT:1) אם כל אשכול מכיל רק נקודות נתונים שהן חברים בכיתה אחת.

סליחות ופרשנות

חישוב מדדים אלה כרוך נוסחאות ספציפיות וצעדים מרחק.לדוגמה, ציון סילוולט משתמש במרחק intra-cluster הממוצע ואת המרחק הקרוב ביותר לכל נקודה. מדדים חיצוניים דורשים לעתים קרובות ממתק בלבול או שולחן contingency השוואת אשכולות חזו עם תוויות אמיתיות.

בין התוצאות תלויות בהקשר. ציוני סילווט גבוהים וערכי NMI מצביעים על איכות מקבץ טובה יותר, בעוד שאינדיקציני דיוויס-בודן נמוכים מציעים אשכולות משונים היטב.שלב מדדים מרובים מספק הערכה מקיפה.