Кластеризація – це загальна методика непідконтрольного навчання, що використовується для групування подібних точок даних. Оцінка якості цих кластерів є важливим для забезпечення значущих інсайтів. кластеризація метриків забезпечує кількісні заходи для оцінки того, як добре алгоритм виконав.

Загальні кластерні метри

Для оцінки результатів кластеризації використовуються кілька метриків.

  • Silhouette Score: Заходи, як подібний об'єкт, до власного кластеру, у порівнянні з іншими кластерами.
  • Davies-Bouldin Index: Оцінює середню схожість між кожним кластером і його найбільш схожою.
  • Calinski-Harabasz Index: Вживає співвідношення міжкласної дисперсії для дисперсії в межах-кластерної дисперсія.

Розрахунок метрики

Більшість бібліотек кластеризації забезпечують функції, які відповідають даним параметрам. Наприклад, у бібліотеці рикитт-шкірі Python можна використовувати:

silhouette score(), davies bouldin score(), і calinski harabasz score()].

Ці функції вимагають точок даних і їх призначених кластерних етикеток як вхід. Правильне переробка та нормалізація даних покращує надійність метрики.

Результати пошуку

Вищі показники силуету вказують добре визначені кластери, при цьому нижні бали пропонують перекриття або слабо відокремлені групи. Для індексу Давес-Боульдін краще, що вказують на різні кластери. Індекс Калінський-Гарабаз сприяє більш високі бали, що відображають кращу структуру кластеризації.