聚类模型评估指标-轮廓系数
- 计算样本i到同簇其它样本到平均距离ai，ai越小，说明样本i越应该被聚类到该簇（将ai称为样本i到簇内不相似度）；
- 计算样本i到其它某簇Cj的所有样本的平均距离bij，称为样本i与簇Cj的不相似度。定义为样本i的簇间不相似度：bi=min(bi1,bi2,...,bik2)；
说明：
• si接近1，则说明样本i聚类合理；
• si接近-1，则说明样本i更应该分类到另外的簇；
若si近似为0，则说明样本i在两个簇的边界上；
聚类模型评估指标
hema121382024-01-19 22:37
相关推荐
TS的美梦6 天前
scanpy单细胞转录组python教程（四）：单样本数据分析之降维聚类及细胞注释WeiJingYu.6 天前
K-Means 聚类dundunmm7 天前
【论文阅读】Deep Adversarial Multi-view Clustering Network赴3357 天前
机器学习 K-Means聚类 无监督学习z_reset9 天前
Day18 推断聚类后簇的类型星期天要睡觉9 天前
机器学习——KMeans聚类算法(算法原理+超参数详解+实战案例)Mr数据杨13 天前
K均值聚类与Apriori应用探索中医证素数据分析2zcode13 天前
基于Matlab的聚类彩色图像分割系统_Orch1d14 天前
初识无监督学习-聚类算法中的K-Means算法，从原理公式到简单代码实现再到算法优化悟乙己15 天前
译 | 结合聚类与注意力机制的强化学习在个性化促销中的应用