Table of Contents
क्लस्टरिंग डेटा विश्लेषण में एक सामान्य तकनीक है जिसका उपयोग समान डेटा बिंदुओं को समूह में करने के लिए किया जाता है। इन समूहों की गुणवत्ता का मूल्यांकन करना सार्थक परिणाम सुनिश्चित करने के लिए आवश्यक है, विशेष रूप से इंजीनियरिंग अनुप्रयोगों में जहां सटीकता प्रभाव निर्णय लेने में। विभिन्न मीट्रिक और गणनाओं में यह निर्धारित करने में मदद मिलती है कि क्लस्टरिंग अंतर्निहित डेटा संरचना के साथ कितनी अच्छी तरह से संरेखित है।
आंतरिक मूल्यांकन मेट्रिक्स
आंतरिक मीट्रिक केवल डेटा पर आधारित क्लस्टरों के सामंजस्य और अलगाव का आकलन करते हैं। उन्हें बाहरी लेबल या ग्राउंड सत्य की आवश्यकता नहीं होती है। ये मीट्रिक यह निर्धारित करने में मदद करते हैं कि क्लस्टर कितने कॉम्पैक्ट और अलग हैं।
- ]Silhouette स्कोर: उपाय कैसे एक वस्तु अन्य समूहों की तुलना में अपने स्वयं के क्लस्टर के लिए है। मान -1 से 1 तक है, उच्च स्कोर बेहतर क्लस्टरिंग का संकेत है।
- Dunn इंडेक्स: विभिन्न समूहों में टिप्पणियों और सबसे बड़ी अंतर-क्लस्टर दूरी के बीच सबसे छोटी दूरी के बीच अनुपात का मूल्यांकन करता है। उच्च मूल्यों बेहतर अलगाव का सुझाव देते हैं।
- Davies-Bouldin इंडेक्स: प्रत्येक क्लस्टर और इसके सबसे समान एक के बीच औसत समानता की गणना करता है। कम मान बेहतर क्लस्टरिंग इंगित करते हैं।
बाह्य मूल्यांकन मेट्रिक्स
बाह्य मीट्रिक समूह परिणामों की तुलना पूर्वनिर्धारित जमीन सच्चाई या लेबल के लिए करते हैं। वे उपयोगी होते हैं जब सही वर्गीकरण ज्ञात होते हैं, जैसे कि पर्यवेक्षकीय परिदृश्यों में।
- ]Adjusted Rand Index (ARI):] भविष्यवाणी समूहों और वास्तविक लेबल के बीच समानता को मापता है, जो अवसर के लिए समायोजन करता है। मान -1 से 1 तक है।
- ]Normalized म्यूचुअल इंफॉर्मेशन (NMI): क्लस्टरिंग और सच्चे लेबल के बीच पारस्परिक निर्भरता को क्वांटिफाइड करता है, जो 0 और 1 के बीच की सीमा के लिए सामान्यीकृत होता है।
- Homogeneity स्कोर: चेक यदि प्रत्येक क्लस्टर में केवल डेटा अंक होते हैं जो एक एकल वर्ग के सदस्य होते हैं।
गणना और व्याख्या
इन मीट्रिकों की गणना में विशिष्ट सूत्र और दूरी के उपाय शामिल हैं। उदाहरण के लिए, सिलहोट स्कोर औसत इंट्रा-क्लस्टर दूरी और प्रत्येक बिंदु के लिए औसत निकटतम-क्लस्टर दूरी का उपयोग करता है। बाहरी मीट्रिक अक्सर एक भ्रम मैट्रिक्स या आकस्मिक तालिका की आवश्यकता होती है जो वास्तविक लेबल के साथ पूर्वानुमानित क्लस्टरों की तुलना में होती है।
परिणाम व्याख्या करने के संदर्भ में निर्भर करता है। उच्च सिल्हूट स्कोर और एनएमआई मान बेहतर क्लस्टरिंग गुणवत्ता को इंगित करते हैं, जबकि कम डेविस-बोल्डिन इंडेक्स अच्छी तरह से अलग क्लस्टर का सुझाव देते हैं। एकाधिक मीट्रिक का संयोजन एक व्यापक मूल्यांकन प्रदान करता है।