2020-03-17 阅读量: 2408
轮廓系数中总体、样本轮廓系数分别是啥意思？
答：轮廓系数（Silhouette Coefficient），是聚类效果好坏的一种评价方式。
假设我们已经通过一定算法，将待分类数据进行了聚类。常用的比如使用K-means ，将待分类数据分为了 k 个簇 。
对于簇中的每个向量。分别计算它们的轮廓系数。
对于其中的一个点 i 来说：
计算 a(i) = average(i向量到所有它属于的簇中其它点的距离)
计算 b(i) = min (i向量到与它相邻最近的一簇内的所有点的平均距离)
那么 i 向量轮廓系数就为：
可见轮廓系数的值是介于 [-1,1] ，越趋近于1代表内聚度和分离度都相对较优。
将所有点的轮廓系数求平均，就是该聚类结果总的轮廓系数。
S(i) 就是样本i基于当前分类结果的轮廓系数。总体轮廓系数就是所有样本点的轮廓系数的均值。
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar
