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)。
查看更多
外部评价指标三维聚类评价指标
外部评价指标是在知道真实标签（groundtruth）的情况下，用来评估聚类结果好坏的方法。三维聚类评价指标通常指的是纯度（Purity）、兰德系数（RandIndex,RI）和归一化互信息（NormalizedMutualInformation）。这些指标从不同的角度衡量聚类结果的质量。
1.纯度（Purity）：纯度是一种简单且直观的聚类评价指标，用于计算聚类正确的百分比。具体地，对于每个簇，选择簇内频数最高的样本类别作为该簇的代表类别，然后计算所有被正确聚类的样本数占总样本数的比例。纯度的值越接近1，表示聚类的性能越好。但需要注意的是，聚类的簇个数越多，纯度值可能会变高，因此不能单纯依赖纯度来评价聚类的数量和质量。
2.兰德系数（RandIndex,RI）：兰德系数是一种衡量聚类结果和真实标签之间相似性的指标。它通过计算真正例（TP，即两个同类样本点在同一个簇中的情况数量）和真反例（TN，即两个非同类样本点分别在两个簇中的情况数量）之和占总的可能的对数的比例来得出结果。兰德系数的值范围在0到1之间，值越接近1表示聚类结果越好。
3.归一化互信息（NormalizedMutualInformation）：归一化互信息是一种基于信息论的聚类评价指标，用于衡量聚类结果和真实标签之间的共享信息。它通过计算聚类结果和真实标签之间的互信息，并将其归一化到0到1的范围内。归一化互信息的值越接近1，表示聚类结果越好。
这些指标提供了不同的视角来评估聚类结果的质量，可以综合使用它们来更全面地评价聚类的性能。但需要注意的是，每个指标都有其局限性，因此在选择评价指标时应根据具体的应用场景和需求进行权衡。
文档评论（0）