Кластеризація є загальною технікою аналізу даних, яка використовується для групування подібних точок даних. Оцінка якості цих кластерів є важливим для забезпечення значущих результатів, особливо в технічних додатках, де точність впливає на прийняття рішень. Різні метрики та розрахунки допомагають кількісно визначити, наскільки добре кластеризація вирівнюється з базовою структурою даних.

Внутрішній аналіз метрики

Внутрішній метрики оцінюють скутість і поділ кластерів на основі виключно на самій даних. Вони не вимагають зовнішніх етикеток або меленої правди. Ці метрики допомагають визначити, наскільки компактні і чіткі кластери.

  • Silhouette Оцінка: Заходи, як подібний об'єкт є власному кластері, у порівнянні з іншими кластерами. Діапазон значень від -1 до 1, з вищими балами, що вказують на краще кластеризації.
  • Dunn Index: Оцінює співвідношення між найменшими відстаньми між спостереженнями в різних кластерах і найбільшою внутрішньокласною дистанцією. Вищі значення дають краще поділ.
  • Davies-Bouldin Index: Розрахунок середньої схожості між кожним кластером і його найбільш схожим на один. Низькі значення вказують на краще кластеризації.

Зовнішній аналіз метрики

Зовнішні метрики порівняють кластери результати до заданого меленої правди або етикеток. Вони корисні, коли відомі справжні класифікаційні класи, такі як на екранах, що відповідають сценаріям.

  • Налаштуваний Індекс Rand (ARI):] Заміряє схожість між прогнозованими кластерами та істинними етикетками, що регулюються шансом. Діапазон значень від -1 до 1.
  • Нермалізовані відомості про злиття (NMI):] Кваліфікує взаємозалежність кластеризації та справжніх етикеток, нормалізовано для діапазону між 0 та 1.
  • Homogeneity Score: Перевірте, чи містить кожен кластер містить лише дані, які є членами однокласного класу.

Розрахунок та інтерпретація

Розрахунок цих метрій передбачає конкретні формули та заходи дистанцій. Наприклад, показник Silhouette використовує середню внутрішньокласну відстань і середню найближчу відстань для кожного пункту. Зовнішні метрики часто вимагають з'єднання матриці або контингентного столу, що порівняли прогнозовані кластери з істинними етикетками.

Виходячи з результатів, залежить від контексту. Вищі показники Silhouette та значення NMI вказують на кращу якість кластеризації, при цьому нижче індекси Davies-Bouldin пропонують добре відокремлені кластери. Комбінація декількох метриків забезпечує всебічну оцінку.