Ang mga modelong walang pantanging kaalaman ay ginagamit para matukoy ang mga disenyo sa data nang walang tatak.

Pag - unawa sa Maraming Silhouette

Ang spesipikong iskor ay sumusukat kung gaano kahalintulad ang isang bagay sa sarili nitong kumpol kung ihahambing sa ibang kumpol. Ito ay mula -1 hanggang 1, kung saan ang mas mataas na halaga ay nagpapahiwatig ng mas mahusay na pagpupulo.Ang iskor na malapit sa 1 ay nagpapahiwatig na ang mga puntos ng datos ay lubos na tumutugma sa kanilang sariling kumpol at hindi gaanong napantayan sa kalapit na kumpol.

Pagkalkula sa Maraming Silhouette

Karamihan sa mga aklatan ng pag-aaral ng makina, tulad ng scikit-learning, ay nagbibigay ng mga tungkulin upang mag-commute ng mga scadledge score. Upang makalkula ito, kailangan mo ang mga puntos ng iyong datos at ang mga etiketang itinakda ng iyong partikulong algorithm. Ang proseso ay kinasasangkutan ng pagsukat sa mga distansiyang intra-cluster at inter-cluster sa bawat punto.

Mga Resulta ng Pagpapaliwanag

Ang mga iskor ng Silhouette ay tumutulong upang ihambing ang iba't ibang mga modelo o parameter. Ang mga iskor na mas mataas ay nagpapahiwatig ng mas maraming magkakalapit at magkahiwalay na kumpol.

Pinakamabuting Gawain

  • Ikalkula ang mga iskor para sa maraming modelo upang masumpungan ang pinakamabuting sukat.
  • Gamitin ang katamtamang iskor sa lahat ng puntos ng datos para sa kabuuang pagtatasa.
  • Ihalo ang mga iskor sa iba pang metriko para sa komprehensibong pagtatasa.
  • Ilarawan sa iyong isip ang mga kumpol upang punan ang qualitative na pagtatasa.