Denetimsiz modeller, etiketli çıktıları olmadan verileri analiz etmek için kullanılır. Performanslarını değerlendirmek, modellerin temel veri yapıları nasıl iyi bulduğunu ölçmek için belirli ölçümler gerektirir.Bu makale ortak ölçümler, hesaplamaları ve sonuçları nasıl yorumlayacağımızı tartışır.

Ortak Değerlendirme Toplayıcıları

Çeşitli ölçümler, denetimsiz modelleri değerlendirmek için kullanılır, çünkü karmaşık kalite önlemleri ve boyutsal azalma değerlendirmeleri de dahil. Bu metrikler, modellerin veri modellerini nasıl etkili bir şekilde temsil ettiğini belirlemeye yardımcı olur.

Toplar ve Hesaplamalar

Yaygın olarak kullanılan bir metrik, Silhouette Puanı, bir nesnenin diğer kümelere kıyasla kendi kümelerine nasıl benzediğini ölçmektedir. -1 ila 1 arasında, daha iyi kümeleme gösteren daha yüksek değerlere sahiptir.

Başka bir metrik, kümes ayrılık ve kompaktlığı değerlendiren Davies-Bouldin Index'tir. Alt değerler daha iyi kümeleme kalitesi önerir.

Boyutsal azalma için, Açıklanan Variance Oran, ana bileşenler tarafından ne kadar bilgin kaldığını gösterir. Her bir bileşen tarafından açıklanan varyans miktarını özetle hesaplanır.

Sonuçlar

Yüksek Silhouette Puanlar iyi tanımlanmış kümeler ima eder, ancak düşük Edith-Bouldin Index değerleri net bir ayrım öneriyor. Boyutsal azalmada, daha yüksek açıklanmış Variance Oranları Daha etkili bir sıkıştırma verileri gösterir.

Bu ölçümleri farklı modeller veya parametre ayarları arasındaki karşılaştırmak, belirli bir veri kümesi için en uygun yaklaşımı seçmek önemlidir.