性能度量

在无监督学习(unsupervised learning)中，训练样本的标记信息是未知的。

无监督学习的目标：通过对无标记训练样本的学习来揭露数据的内在性质以及规律。

聚类过程仅仅能自动形成簇结构，簇所对应的概念语义需要由使用者来提供。

聚类的作用：

• 可以作为一个单独的过程，用于寻找数据内在的分布结构。
• 也可以作为其他学习任务的前驱过程。如对数据先进行聚类，然后对每个簇单独训练模型。

希望同一簇的样本尽可能彼此相似，不同簇的样本之间尽可能不同。即：簇内相似度 intra-cluster similarity 高，且簇间相似度 inter-cluster similarity 低.

聚类的性能度量分两类：

• 聚类结果与某个参考模型reference model进行比较，称作外部指标 external index 。
• 直接考察聚类结果而不利用任何参考模型，称作内部指标 internal index 。

外部指标

image.png

Jaccard系数

image.png

FM指数

image.png

Rand指数

image.png

ARI指数

image.png

内部指标

image.png

DB指数

image.png

Dunn指数

image.png

距离度量

image.png
image.png