分组是数据分析中用于分组类似数据点的一种常见技术,评价这些分组的质量对于确保有意义的结果至关重要,特别是在精确影响决策的工程应用中,各种衡量和计算有助于量化分组与基础数据结构的一致程度。

内部评价计量

内部衡量标准仅根据数据本身评估集群的凝聚力和分离性,不需要外部标签或地面真实性,这些衡量标准有助于确定集群的紧凑性和区别性。

  • 分数: 衡量一个对象与其他集群相比与自己的集群的相似程度。数值从−1到1不等,较高的分数表明组合更好。
  • Dunn Index: 评估不同星团中观测值与最大星团内观测距离之间的最小距离之间的比例。更高的数值表明更好的分离。
  • Davies-Bouldin 索引:计算每个集群与其最相似集群之间的平均相似性。数值较低则显示组合性更好。

外部评价计量

外部计量标准将组合结果与预先定义的地面真象或标签进行比较。当真正分类被了解时,如在受监督的情景中,它们就有用。

  • 调整的兰德指数: 测量预测的集群与真实标签之间的相似性,根据概率进行调整。数值从−1到1.
  • 规范的相互信息: 量化集群与真实标签之间的相互依存关系,正常化为0至1之间.
  • 亲和分数:[] 每个组是否只包含属于一个单一类的数据点.

计算和解释

计算这些度量衡涉及具体的公式和距离度量. 例如,Silhouette分数使用每个点的平均组内距离和平均最近的组内距离. 外部度量衡通常需要将预测的组群与真实的标签进行比较的混淆矩阵或应急表.

解释结果取决于上下文. 更高的Silhouette分数和NMI值表明组合质量更好,而较低的Davies-Bouldin指数则表明分组是分明的。 组合多个度量衡提供了全面的评价。