原创力文档- 1、本文档共1页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
聚类效果评价是指通过定量的方式对聚类分析算法得到的结果进行可靠性评估。常见的评价指标有：准确率（precision），召回率（recall），纯度（purity），F值（F-measure）(Shehata et al., 2010) 等。假定输入样本为， 为基准聚类结果，为实际聚类结果，则对于聚类中某基准类别，准确率和召回率分别定义如下:
实际聚类结果与基准聚类结果的比较
首先定义准确率和召回率分别有公式（1）和（2）计算得到
（1）
（2）
其中，表示实际聚类中正确划分到基准类的样本的个数；表示实际聚类中不属于基准类却被错误划分到基准类的样本个数；表示实际聚类中应该划分到基准类却未错误划分到基准类的样本个数。
基于准确率和召回率，F-measure值由公式（3）计算得到：
（3）
理论上，要达到最优聚类效果，算法的准确率和召回率都应该尽量提高。但实际中，由于这两个指标具有一定的互斥性（提高一个指标的值往往会降低另外一个指标的值），任何一个聚类算法都不可能二者兼顾。为了综合评估本文提出的聚类算法对初始DSM数值的鲁棒性，采用 F-measure 值来评价聚类的质量，F-measure 值作为查准率及召回率的综合度量，更能体现聚类算法的性能。
文档评论（0）