聚类算法的衡量指标

最近在做聚类相关的实验,但是具体聚类效果好不好,还需要一下指标进行评价,下面主要介绍聚类算法的评价指标。

1.聚类算法衡量指标-1

(1)均一性:一个聚类簇中只包含一个类别的样本,则满足均一性。可以认为是分类算法衡量的精确率(每个聚类簇中正确分类的样本数占该聚类簇中的样本数)

p=\frac{1}{k}\sum_{i=1}^{k}\frac{N(C_{i}==K_{i}))}{N(K_{i})}

(2)完整性:同类别的样本被归类到同一聚类簇中,则满足完整性。可以认为是分类算法衡量的召回率(每个聚类中正确分类的样本数占该类别样本的数量)

p=\frac{1}{k}\sum_{i=1}^{k}\frac{N(C_{i}==K_{i}))}{N(C_{i})}

(3)V_measure:均一性和完整性加权平均。当\beta =1时,V_measure相当于分类算法衡量指标的F1_score.

V_measure=\frac{(1+\beta ^{2}))*p*r}{\beta ^{2}*p+r}

2.聚类算法衡量指标_2

(3)聚类算法衡量指标_3

(4)聚类算法衡量指标-4

原博客地址: https://blog.csdn.net/loveliuzz/article/details/78783773

猜你喜欢

转载自blog.csdn.net/qq_28935065/article/details/82811413