聚类外部评价指标（F-Measure、Entropy、Purity）及matlab实现

最新推荐文章于 2025-03-21 04:00:00 发布
最新推荐文章于 2025-03-21 04:00:00 发布
阅读量1.7w 收藏 94
点赞数 10
分类专栏： 大数据 聚类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/sinat_38648388/article/details/84307817
版权
本文介绍了聚类的外部评价指标，包括熵、纯度和F-Measure，并提供了这些指标在MATLAB中的实现方法，参考了相关博客资源。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文参考：
1.https://www.cnblogs.com/zhangduo/p/4504879.html
2.https://blog.youkuaiyun.com/vernice/article/details/46467449?utm_source=blogxgwz8
一、简介介绍
聚类中的外部评价指标如下图：
在这里插入图片描述
其中上图中的Ni（i=1…k）表示所使用方法聚类之后K类具有的个数，Nj表示K类中的标记个数
1.熵、纯度介绍参照
https://www.cnblogs.com/zhangduo/p/4504879.html
2.F-Measure介绍参照
https://blog.youkuaiyun.com/vernice/article/details/46467449?utm_source=blogxgwz8
二、matlab实现
1.Entropy,Purity,FMeasure,Accuracy 返回函数

function
最低0.47元/天 解锁文章
MATLAB对函数做评估
wenyusuran的专栏
07-31 2753
1.使用profile profile，Longman 给出的解释是：a short description that gives importantdetails about a person, a group of people, or a place。 MATLAB中内置了一个叫做profile的工具，来协助评估程序,也就是对程序运行过程的一个shortdescription吧。主要命令
[Python从零到壹] 十三.机器学习之聚类算法四万字总结全网首发（K-Means、BIRCH、树状聚类、MeanShift）
杨秀璋的专栏
07-06 1万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望
聚类评价指标 MATLAB 实现
04-23
包含外部有效性指标和内部有效性指标，Rand index、 Adjusted Rand index、 Mirkin index、Hubert indexSilhouette、 Davies-Bouldin、Calinski-Harabasz、Krzanowski-Lai、Hartigan、weighted inter- to intra-cluster ratio、Homogeneity Separation
聚类分析中的外部指标——Purity（纯度）深度详解
最新发布
DuHz的博客
03-21 804
Purity（纯度）直观地表示：当我们将每个聚类簇GkG_kGk​用它“涵盖最多”的那个真实类别来进行标签解释时，能够“正确覆盖”的样本占总数的比例。Purity 的主要公式Purity1n∑k1Kmax⁡rnkrPurityn1​k1∑K​rmax​nkr​通过“为每个聚类簇选一个最适配的真实类别”来衡量可解释的正确率。概念易懂，快速上手只需用一个简单的“交叉表”nkrnkr​。
最佳聚类数指标matlab工具箱
02-19
为验证在聚类分析的聚类结果,重要的是要使用一些客观评价聚类质量的指标。本matlab工具箱提供4个外部效度指标和8个内部效度指标: Rand index, Adjusted Rand index, Silhouette, Calinski-Harabasz, Davies-Bouldin, Homogeneity, Separation等。含使用范例。
多分类问题评价指标
weixin_43461341的博客
09-02 1万+
机器学习或者是日常生活中，遇见的往往是二分类问题比较多，二分类模型的模型评价准则很多，Auc_score,F1_score，accuracy等等都是比较常用的。而针对多分类问题来说，有些二分类的评价准则就相对而言不怎么适用了。虽然可以将多分类问题转化为多个2vs2问题进行讨论，步骤繁杂的同时效果也得不到保障。目前在进行多模态的一个分类研究，在模型评价时也废了不少脑筋，所以在这里将看到的比较常用的多...
matlab中的f-measure代码-Evaluate-SOD:使用GPU实现对显着对象检测的一键式快速评估，包括MAE、MaxF-meas
06-04
matlab中的f-measure代码显着目标检测评估（Evaluate SOD） 使用 GPU 实现对显着性对象检测的一键式快速评估，包括MAE、Max F-measure、S-measure、E-measure 。 代码是从 matlab 版本重新实现的，这些版本可以从 使用 pytorch 实现 GPU，可以更轻松地嵌入到 eval 代码中。 一键评测 用法： python main.py --root_dir 'your_dir' --save_dir 'your_dir' --methods 'DSS RAS' --dataset 'ECSSD SOD' (if --methods and --dataset is not set, using all methods and datasets.) 例子： python main.py --root_dir './' --save_dir './' 示例 root_dir： . ├── gt │   ├── ECSSD │   │   ├── 0001.png │   │   └── 0002.png │   ├── PASC
聚类算法评价指标：Purity、NMI、MI、entropy、precision、recall、F值、RI值
热门推荐
军军的博客
08-24 2万+
不得不吐槽一下，Scala真的是一门奇葩的语言，太强大了，只要你好好思考，写出来的代码绝对很漂亮，瞬间感觉java太low了。 package Utils import com.google.common.math.{DoubleMath, IntMath} /** * Created by fhqplzj on 16-8-24 at 下午2:12. */ object Evalua
聚类评价指标matlab
08-25
- *3* [聚类外部评价指标（F-Measure、Entropy、Purity）及matlab实现](https://blog.youkuaiyun.com/sinat_38648388/article/details/84307817)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra...
文献记录(part75)--基于最大平均熵率的大数据关联聚类算法
小山羊的学习日志
04-17 356
学习笔记，仅供参考，有错必纠 基于最大平均熵率的大数据关联聚类算法 摘要 聚类是数据挖掘和机器学习中的基本任务之一 . 传统聚类方法由于其设计中对簇结构假设的限制 , 导致算法在不符合其假设的数据集上 , 尤其是大型高维数据集上的聚类效果较差. 本文引入了最大平均熵率的概念 , 设计了一种基于图的关联聚类算法.该算法将关联聚类问题分解为多个独立的单类优化问题 , 并利用邻域消除了关联聚类对大数据的限制 . 算法实现通过启发式邻域搜索和类生成简化了对最优邻域和关联聚类的求解过程 , 并且设计了适应分布式
java实现Fmeasure计算_聚类效果评测-Fmeasure和Accuracy及其Matlab实现
weixin_29775447的博客
02-26 566
聚类结果的好坏，有很多种指标，其中F-Measue即F值是常用的一种，其中包括precision(查准率或者准确率)和recall(查全率或者召回率)。F-Measue是信息检索中常用的评价标准。F-Measue的公式如下：\[{{F}_{\beta }}=\frac{\left( {{\beta }^{2}}+1 \right)P\cdot R}{{{\beta }^{2}}\cdot P+R}...
matlab中的f-measure代码-mlosr:失落
06-04
matlab中的f-measure代码用于开放集识别的基于深度 CNN 的多任务学习 这是论文的官方实施 安装 安装pytorch 安装 Matlab 克隆这个仓库 git clone https://github.com/otkupjnoz/mlosr.git 数据设置 您可以从这里下载 mat 格式的 ood 集， 对于开放集实验，将您的数据集转换为 matfiles（或修改代码以创建您自己的数据加载器。） 确保在 matlab 中保存时使用“-v7.3”。 创建训练、测试和验证并按名称 train_label.mat、train_data.mat、test_label.mat、test_data.mat、validation_data.mat、validation_label.mat 等保存。 将所有数据集保存在 dataset/ 文件夹中 训练 如上所述设置您的数据 该代码正在运行使用pytorch dataloader的论文的OOD实验 确保您的数据集 mat 文件位于 datasets/data_set_name/ 确保在 master/parameters/data_se
matlab中的f-measure代码-Saliency-Evaluation-Toolbox:此工具箱包含用于显着对象检测的E-measur
06-04
matlab中的f-measure代码显着性评估工具箱 此工具箱包含几乎所有显着对象检测的评估指标，包括： 电子测量 S-测量 加权 F 测量 F-测量 MAE分数 PR 曲线或条形指标 您可以轻松地使用此工具箱来评估 SOD 结果。 引文 @article{Saliency-Evaluation-Toolbox, Author = {Wei Ji}, Title = {Evaluation Toolbox for Salient Object Detection.}, Journal = {https://github.com/jiwei0921/Saliency-Evaluation-Toolbox/}, Year = {2019} } 要求 MATLAB 测试 E/S/加权 F/F 测量和 MAE 分数 在main.m中设置GT和sal_map的路径 运行 main.m 测试 PR 曲线 1 创建 .m 文件 把你的 test_images 放在 ./0 PR/Dataset 设置 your_path 并运行 ./0 PR/PR_sal2mat.m 2 生成 PR 曲线或 PR
matlab中的f-measure代码-encodingmodel:生成对应于不同行为变量的预测变量矩阵，并处理基于回归的编码模型，以获得不同
06-04
matlab中的f-measure代码%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% Ben Engelhard，普林斯顿大学（2019 年）。 本套餐免费提供，不提供任何保修； 您可以根据自由软件基金会发布的 GNU 通用公共许可证第 3 版的条款重新分发和/或修改它。 如果使用此代码，请引用：B Engelhard 等人。 VTA 多巴胺神经元中感觉、运动和认知变量的专门编码。 自然，2019 年。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%% 编码模型 该软件包预处理联合行为和神经元数据，然后通过编码模型对其进行处理，以获得行为变量对单个神经元活动贡献的定量测量，如以下论文所述：B Engelhard 等。 中脑多巴胺神经元的感觉、运动和认知变量的专门编码。 Nature, 2019。有关编码模型的详细信息，请参阅论文。 函数列表：make_predictor_matrix_generalcase.m process_encoding_model
matlab中的f-measure代码-Evaluation-on-salient-object-detection:用于显着对象检测的五个流
06-04
matlab中的f-measure代码显着物体检测评估（Evaluate SOD） 流行 SOD 指标的 PYTHON 实现，包括 MAE、F-measure、S-measure、E-measure 和加权 F-measure 使用 GPU 实现对显着对象检测的快速评估，包括MAE、Max F-measure、S-measure、E-measure 。 代码是从 matlab 版本重新实现的，可从 获得，从 修改。 请注意，在 E-measure、加权 F-measure 和 S-measure 中考虑了完全黑色的ground truth； 排除在 F-measure 中（与 中的 Matlab 代码一致）。 使用 pytorch 实现 GPU，可以更轻松地嵌入到 eval 代码中。 如果您发现代码对您的研究有用，请引用以下论文。 @inproceedings{fan2017structure, title={{Structure-measure: A New Way to Evaluate Foreground Maps}}, author={Fan, Deng-Ping and
Matlab code for Precision/Recall, ROC, Accuracy, F-Measure
05-16
Matlab code for computing and visualization: Confusion Matrix, Precision/Recall, ROC, Accuracy, F-Measure etc. for Classification
聚类评价指标
weixin_33725239的博客
01-04 618
 一、引言 　　如图认为x代表一类文档，o代表一类文档，方框代表一类文档，完美的聚类显然是应该把各种不同的图形放入一类，事实上我们很难找到完美的聚类方法，各种方法在实际中难免有偏差，所以我们才需要对聚类算法进行评价看我们采用的方法是不是好的算法。 二、评价准则 　　2.1 purity 　　1）purity方法是极为简单的一种聚类评价方法，只需计算正确聚类的文档数占总文档数的比例： ...
聚类结果的评价指标
06-09 4728
在看一篇论文，其中提到了purity,NMI,ARI，平时只是见到过，具体的含义并不知道，所以就百度整理了下~~ 看到了两篇博客，感兴趣的可以看一下~~http://blog.youkuaiyun.com/itplus/article/details/10322361 http://blog.youkuaiyun.com/sinat_33363493/article/details/52496011 ...
聚类f_measure 评价指标(python 实现)
只想买把蝴蝶knife
01-28 2524
def f_measure(cluster, labels): def get_set(data): products=[] for i in itertools.product(data, data): temp = list(i) temp.sort() products.append(tuple(temp)) products = [(i,j) for i,j in prod
评论 26
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值