Clustering er en vanlig teknikk i dataanalyse som brukes til å gruppere lignende datapunkter. Å evaluere kvaliteten på disse klyngene er avgjørende for å sikre meningsfulle resultater, spesielt i ingeniørapplikasjoner der nøyaktighet påvirker beslutningstaking. Ulike metrologier og beregninger bidrar til å kvantifisere hvor godt klyngen tilpasser seg den underliggende datastrukturen.

Intern evalueringsmatrise

Interne metrologier vurderer sammenhold og separering av klynger basert utelukkende på dataene i seg selv. De krever ikke eksterne etiketter eller bakkesannhet. Disse metrologiene bidrar til å bestemme hvor kompakte og forskjellige klyngene er.

  • Silhouette Score: Måler hvor lik et objekt er til sin egen klynge sammenlignet med andre klynger. Verdier varierer fra -1 til 1, med høyere poeng som indikerer bedre klynge.
  • Dunn Index: Evaluerer forholdet mellom den minste avstanden mellom observasjoner i forskjellige klynger og den største intra-klynge avstand. høyere verdier tyder på bedre separasjon.
  • Davies-Bouldin Index: beregner gjennomsnittlig likhet mellom hver klynge og dens mest lignende. Lavere verdier indikerer bedre klynge.

Eksterne evalueringsmatriser

Eksterne metrologier sammenligner klyngeresultater med en forhåndsdefinert grunnsannhet eller etiketter. De er nyttige når sanne klassifiseringer er kjent, som i overvåkede scenarier.

  • Adjusted Rand Index (ARI): måler likheten mellom de forutspådde klyngene og de sanne etikettene, som justerer for sjanse. Verdier varierer fra -1 til 1.
  • Normalisert gjensidig informasjon (NMI):][2][5]][5][5][5]][5][5]][5][5]][5][5]][5][5]][5]][5]][5][5][5]][5][5][5]][5]][5]][5]][5]][5][5]][5]][5][5]][5][5][5][5][5][5]][5][5][5]][5]][5]][5]][5][2]][2][2][5]][2][2][2][2][2][2]][2][2][2][2
  • Homogenity Score: Sjekker om hver klynge inneholder bare datapunkter som er medlemmer av en enkelt klasse.

Beregninger og tolkning

Beregning av disse metriske midler innebærer spesifikke formler og avstandsmålinger. For eksempel bruker Silhouette Score gjennomsnittlig intra-klusteravstand og gjennomsnittlig nærmeste-kluster avstand for hvert punkt. Eksterne metriske tall krever ofte en forvirringsmatrise eller beredskapstabell som sammenligner forutspådde klynger med sanne etiketter.

Å tolke resultatene avhenger av sammenhengen. Høyere Silhouette scorer og NMI-verdier indikerer bedre klyngekvalitet, mens lavere Davies-Bouldin indekser tyder godt adskilte klynger. Kombinering av flere metrikker gir en omfattende evaluering.