原创力文档- 0
- 0
- 约2.08千字
- 约 4页
- 2026-09-27 发布于河北
- 举报
聚类算法评估指标
聚类算法是无监督学习中常用的一种方法，用于将数据集分成不同
的组类。在使用聚类算法时，除了选择合适的算法以外，如何评
估聚类的效果也是非常重要的。本文将介绍常用的聚类算法评估指
标，包括纯度、完整性、F1值、轮廓系数、DB指数和CH指数。
1.纯度
纯度是用于评估聚类结果的常用指标之一。它表示每个簇中最常见
的类别所占的比例，即簇内成员属于同一类别的程度。纯度越高，
表示聚类结果越好。
纯度的计算方式如下：
设聚类结果为C={C1,C2，…,Ck),
文档评论（0）