קלוסטרינג היא טכניקה נפוצה בלמידה לא מבוקרת המשמשת לקבץ נקודות נתונים דומות. הערכת איכות של אשכולות אלה היא חיונית כדי להבטיח תובנות משמעותיות.מדדים קלוסטרינג מספקים אמצעים כמותיים כדי להעריך כמה טוב האלגוריתם ביצע.

המונחים: metrics

כמה מדדים משמשים כדי להעריך תוצאות מקובצים.הפופולריות ביותר כוללת:

  • (ב) ,0) , ⁇ ⁇ : "ממד כמה דומה חפץ הוא למקבץ משלו בהשוואה למקבץ אחר.
  • (ב) ,0) מדד דוויס-בוולדין (Douin IndexFIR) 1: הערכת הדומה הממוצעת בין כל אחד מהמקבץ לבין אותו הדבר הכי דומה.
  • (ב) ,0) ,Calinski-Harabasz IndexveFLT:1: אסמסת היחס בין-cluster לפיזור בתוך-קולסטר.

חישוב המסובכים

רוב ספריות המקובצים מספקות פונקציות כדי למקם את המדדים הללו.לדוגמה, בספריית הסקיט-לימוד של פייתון, ניתן להשתמש בהם:

(ב) ויקרא י"ד:2 ויקרא י"ד): "וַיְהִיא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא

פונקציות אלה דורשות נקודות הנתונים ותוויות אשכוליות שהוקצו שלהם כקלט. preprocessing ונורמליזציה נכונה של נתונים לשפר את האמינות של המדדים.

תוצאות Interpreting

ציוני צללית גבוהים יותר מצביעים על אשכולות מוגדרים היטב, בעוד שציונים נמוכים מציעים קבוצות חפיפות או נפרדות באופן גרוע. עבור מדד דייוויס-בוולדין, ערכים נמוכים יותר טובים יותר, המציין אשכולות נפרדים.מדד Calinski-Harabasz מעדיף ציונים גבוהים יותר, המשקפת מבנה מקבץ טוב יותר.