未经监督的模型用于分析数据而不给标注结果。这些模型中适当的平衡参数对于实现准确和有意义的结果至关重要。本指南概述了在未经监督的学习中优化和验证参数的技术。

理解参数图宁

参数调制涉及选择一套能改进模型性能的最佳参数,与被监管的模型不同,没有标签可以直接评价准确性,因此采用了替代方法.

优化通用技术

网格搜索和随机搜索是探索参数空间的流行方法。这些技术系统或随机测试组合,以识别最佳设置。此外,还使用硅胶分数或惯性等方法来评价集群质量。

验证战略

在无监督模型中的验证往往涉及内部的度量,评估集群的凝聚力和分离. 如果有地面真伪标签,也可以进行外部验证,将模型的输出与已知分类进行比较.

  • 圆筒分数
  • 戴维斯-布尔丁指数
  • 卡林斯基-哈拉巴斯兹指数
  • 视觉检查