聚类衡量指标

最新推荐文章于 2023-11-23 19:54:50 发布
最新推荐文章于 2023-11-23 19:54:50 发布
阅读量1.3k 收藏
点赞数 1
分类专栏： Machine Learning 文章标签： 无监督学习 聚类 聚类评判
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/wwangfabei1989/article/details/80757009
版权 
聚类常用衡量指标有 RI ARI MI NMI AMI
RI ：Rand index 兰德指数 取值[0,1] 值越大越好，表示聚类结果与真实情况越吻合
ARI:adjusted RI：调整兰德系数 取值[-1,1]
MI： mutual information based scores互信息
      衡量两个数据分布(聚类)的吻合程度，[0,1]越大越好
NMI: Normalized MI 取值 [0,1]
AMI: Adjusted MI 取值[-1,1]

知乎： https://zhuanlan.zhihu.com/albertwang

微信公众号：AI-Research-Studio

​https://i-blog.csdnimg.cn/blog_migrate/5509f60f875d387159a310532cc257dd.png ​​

下面是赞赏码

 

聚类分析中的外部评价指标——Rand Index (RI) / Adjusted Rand Index (ARI) 深度详解
DuHz的博客
03-20 817
在聚类分析中，如果我们拥有数据集里每个样本的真实类别标签，就可以用“外部评价指标”来衡量聚类结果与真实标签之间的对应程度。 Rand Index (RI) 和 Adjusted Rand Index (ARI) 是这方面最经典、使用最广泛的指标之一。 与大部分外部指标类似，RI/ARI 的核心思想都是：本质上，RI/ARI 是基于样本对（pair）来量化聚类结果与真实标签之间的“匹配度”。下文我们将以较为深入的数学公式和推导来详细阐释 RI 和 ARI 的原理与区别。设数据集包含 nnn 个样本，真实标
聚类外部评价指标（NMI, AC, ARI）
12-04
代码包含三个聚类分析常用的外部评价指标：调整兰德指数（ARI），标准化互信息（NMI），准确度（AC）。
无监督聚类评价指标，RI、ARI、MI、NMI等
qq_43532776的博客
11-25 1万+
无监督聚类评价指标，RI、ARI、MI、NMI等 最近在看无监督学习聚类的评价指标，主要看了RI、ARI、MI、NMI，在此写下我自己对于这些指标的理解。 1. **RI（Rand Index）**是比较两个聚类结果的参数，也可以比较一个聚类算法的结果和真实分类情况。他是将所有情况进行枚举，来看看有所有pair在聚类算法1和聚类算法2中的情况一致。 Examples:比如有5个数据点，x是聚类1返回的结果，y是聚类2返回的结果。 x:[1, 1, 2, 3, 3]
文本聚类评估指标purity,RI,R,P,F1,F5
Super_Sloppy的博客
09-30 1686
参考nlp原文https://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-clustering-1.html#fig:clustfg3 假设一个集合中有N篇文章，如图，一共有17篇 cluster1中主要的元素为‘x’，cluster2中主要的元素为‘o’，cluster3中主要的元素为‘菱形’ purity=（每个cl...
聚类效果评估指数：RI, ARI
我伦威武的博客
03-13 1231
https://zhuanlan.zhihu.com/p/145856959
6种聚类评价指标ppt+代码.zip_6种聚类评价指标_聚类_聚类ppt_聚类评价_聚类评价指标
07-15
聚类评价指标是衡量聚类结果质量的关键工具，它们可以帮助我们评估不同聚类算法的效果，选择最佳的模型。本资料包包含了关于六种聚类评价指标的PPT介绍以及对应的Python代码实例，下面我们将详细探讨这些指标。 一...
17、聚类算法——聚类算法衡量指标
最新发布
m0_56642803的博客
11-23 1206
本文主要介绍了聚类算法的聚类质量评价方法
cPP_cluster_evalue.zip_CH 聚类_CH指标聚类_聚类评价指标
07-15
DB指数是衡量聚类效果的一个常用指标，它基于簇内相似度与簇间距离的比值。DB值越小，聚类效果越好。计算时，会考虑每个簇的平均距离和簇间的距离，旨在找到使各簇内部紧密、簇间分离明显的划分。 2. **Calinski-...
聚类算法评价指标Precision，F-meare，F1，ACC
03-11
聚类算法评价指标
聚类评估指标分析
01-02
几十种聚类评估方法，包含类内评估和类间评估。说到聚类性能比较好，就是说同一簇的样本尽可能的相似，不同簇的样本尽可能不同，即是说聚类结果“簇内相似度”（intra-cluster similarity）高，而“簇间相似度”（inter-cluster similarity）低。 聚类性能的评估（度量）分为两大类： 外部评估（external evaluation）：将结果与某个“参考模型”（reference model）进行比较； 内部评估（internal evaluation）：直接考虑聚类结果而不利用任何参考模型。
聚类评价指标
05-02
很好的资源，研究聚类的个数是很有用的东西啊 呵呵
深度聚类中ARI、AMI以及ACC指标解析
云中飞鹤的博客
02-23 6021
深度聚类中ARI、AMI以及ACC指标解析
聚类效果评价指标：MI, NMI, AMI（互信息，标准化互信息，调整互信息）
热门推荐
xiaotian13的博客
05-18 3万+
聚类效果评价指标：MI, NMI, AMI 简介 在无监督学习中，常见的两种任务为聚类与降维。这里给出三个聚类效果评价指标：互信息，标准化互信息，调整互信息(MI, NMI, AMI)，分别给出它们的计算方法与代码。需要指出的是，这三个指标均需要已知数据点的真实标签。 Preliminaries and Notation 已知 NNN 个 DDD 维的数据，构成数据矩阵 X=[x1,x2,⋯ ,xN]∈RD×N\mathbf{X} = [x_1, x_2, \cdots, x_N] \in \mathbb
机器学习（聚类五）——聚类算法的衡量指标
张连海
03-23 6158
结果的好坏，都要有相应的指标来衡量。尤其聚类的特殊性，也有一些特殊的算法。
聚类算法的评价指标
听了个听儿
07-25 2万+
ARI，AMI
评论
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