クラスタリングは、類似のデータポイントをグループ化するために使用されるデータ分析において共通技術です。これらのクラスタの品質を評価することは、特に精度が意思決定に影響を及ぼすエンジニアリングアプリケーションにおいて、有意義な結果を確実にするために不可欠です。さまざまなメトリックと計算は、基礎的なデータ構造とクラスタリングの整列の頻度を定量化するのに役立ちます。

内部評価のメートル

内部メトリックは、データ自体にのみ基づくクラスターの凝集と分離を評価します。 彼らは外部ラベルや地上の真実を必要としません。 これらのメトリックは、クラスターのコンパクトさと区別方法を決定するのに役立ちます。

  • [] シルエットスコア:[]] オブジェクトが他のクラスターと比較して、独自のクラスターにどのように類似しているかを測定します。 値は、より優れたクラスタリングを示す高いスコアで-1から1の範囲です。
  • Dunn インデックス:]]] 異なるクラスターと最大のイントラ・クレーター距離間の最小距離間の比率を評価します。 より高い値はより良い分離を提案します。
  • []Davies-Bouldin インデックス:[ は、各クラスターと最も類似したものの間の平均類似度を計算します。 値が下げると、より詳細なクラスタリングが示されます。

外部評価メトリック

外部メトリックは、あらかじめ定義された地上の真実やラベルにクラスタリング結果を比較します。 それらは、真の分類が、監視されたシナリオなど知られているときに便利です。

  • [ 調整されたランドインデックス(ARI):[ 予測クラスターと真のラベル間の類似性を測定し、チャンスのために調整します。 値は-1から1の範囲です。
  • []標準の相互情報(NMI):[]は、クラスタリングと真のラベル間の相互依存を定量化し、0と1の範囲に正規化しました。
  • []Homogeneity スコア:[]] 各クラスターが単一のクラスのメンバーであるデータポイントだけを含んでいるかどうかチェックします。

計算と解釈

これらのメトリックを計算すると、特定の式と距離測定が伴います。例えば、シルエットスコアは、各点の内分差距離と平均近距離距離を意味します。外部メトリックは、多くの場合、混乱行列または対立テーブルが真のラベルで予測されたクラスタを比較する必要があります。

結果の解釈はコンテキストによって異なります。より高いシルエットスコアとNMI値がより良いクラスタリング品質を示し、下位のDavies-Bouldinインデックスは、十分に分離されたクラスタを提案します。複数のメトリックを組み合わせることで、包括的な評価が得られます。