2020-03-10
阅读量:
1080
无监督算法如何评估
无监督学习算法不做出预测，也不存在 y 值，因此无法直接根据模型预测的准确率进行评估。以聚类算法为例，我们虽然使用“肘部法则”来做目测，选出最合适的均值，但还是需要一个统计量来衡量。
- Ci是第i个簇
- p是Ci中的样本点
- mi是Ci的质心（Ci中所有样本的均值）
- SSE是所有样本的聚类误差，代表了聚类效果的好坏。
轮廓系数(silhouette coefficient) 是一个表示聚类分离的变量，计算样本i到同簇其他样本的平均距离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的簇内不相似度。簇C中所有样本的a i 均值称为簇C的簇不相似度。
计算样本i到其他某簇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, ..., bik}
bi越大，说明样本i越不属于其他簇。根据样本i的簇内不相似度a i 和簇间不相似度b i ，定义样本i的轮廓系数，轮廓系数取值在 -1 到 1 之间，可以用来定性地分析聚类算法的优度，越接近于1说明效果越好。
0.0000
0
1
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论