聚类是无监督学习的一种常用技术，用于将相似的数据点分组在一起。然而在实施聚类算法后，一个关键的问题便是如何评估其性能或质量。由于聚类是无监督的，因此评估其性能相对更为复杂。本文将探讨多种用于评估聚类性能的指标，包括肘部法则、轮廓系数、Davies–Bouldin指数、Calinski-Harabasz指数、Fowlkes-Mallows指数、Rand指数、Jaccard系数和调整兰德指数。这些指标各有其应用场景、优缺点和性能开销，适用于不同类型的聚类算法和数据集。
文章目录
- 不同的评估方法
-
- 肘部法则（Elbow Method）
- 轮廓系数（Silhouette Coefficient）
- Davies–Bouldin指数（Davies-Bouldin Index）
- Calinski-Harabasz指数（Calinski-Harabasz Index）
- Fowlkes-Mallows指数（Fowlkes-Mallows Index）
- Rand指数（Rand Index）
