聚類效果有乙個評價指標，ari（adjusted rand index）。這個指標不考慮你使用的聚類方法，把你的方法當做乙個黑箱，只注重結果。可以說，是乙個十分「功利」的指標。
1.rand index
在講ari之前呢，先講述一下ri，也就是rand index，從兩者的名字也可以看出來，這是ari的祖宗版。
這裡，我們解釋一下a,b,c,d分別代表什麼。a呢就是說應該在一類，你最後聚類到一類的數量，b呢就是不應該在一類 ，你最後聚類結果也沒把他們聚類在一起的數量。c和d那麼就是應該在一起而被分開的和不應該在一起而被迫住在一起的。畢竟強扭的瓜不甜，c和d固然是錯誤的。所以從r的表示式中可以看出，我們只認為a和b是對的，這樣能夠保證r在0到1之間，而且，聚類越準確，指標越接近於1.
這裡有乙個關鍵性的問題，就是什麼叫數量？你怎麼去計算？準確的說，是配對的數量。比如說a是應該在一起而真的幸福的在一起了的數量，這顯然就應該像人類一樣按照小夫妻數量計算，但是我們的樣本可不管一夫一妻制，任意選兩個就是乙個配對，所以，就是n(n-1)/2這樣來計算，也就是組合數，n個當中選兩個的選法。同時我們看到，分母其實是所有配對的總和，所以，我們最後可以寫成這樣：
有了先前ri的感性理解之後，我們再來講一下ari。
ri有乙個缺點，就是懲罰力度不夠，換句話說，大家普遍得分比較高，沒什麼區分度，遍地80分。這樣的話，往往是考試的制度不合適，於是就誕生出了ari，這個指標相對於ri就很有區分度了。
具體的公式就是下面這樣的。
我們來分析一下，
後面這乙個部分
這乙個部分最難理解。
假設配對矩陣是這樣的，顯然，我們共有n(n-1)/2個配對方法。我們在行方向計算出可能取到的配對書，在列方向計算可能取到的配對數，相乘以後，除以總的配對數。這就是a的期望了。
這裡呢，這個期望就像是乙個benchmark，用來衡量距離用的。
聚類的評價指標
我們知道，監督學習的評價指標是準確率 召回率 f1 f f 1 f beta f1 f roc auc等等，但聚類方法在大多數情況下資料是沒有標籤的，這些情況下聚類就不能使用以上的評價指標了。聚類有自己的評價指標，大多數聚類的評價指標是通過緊湊性和可分性來定義的。緊湊性基本上是衡量乙個聚類中的元素彼...
聚類評價指標學習
一般分為 外部 內部 相對，這三種評價指標。正確聚類的樣本數佔總樣本的比例 非常直觀且簡單的計算法方法。即歸一化互資訊，計算公式如下 互資訊指的是兩個隨機變數之間的關聯程度，標準互資訊是將互資訊歸一化0 1。值越高越好。ri是蘭德指數，ari範圍是 1,1 值越大意味著聚類結果與真實情況越吻合。從廣...
聚類結果的評價指標
看到了兩篇部落格，感興趣的可以看一下 首先看乙個例子 ps 別人的 認為x代表一類文件，o代表一類文件，方框代表一類文件，聚成了3個cluster，現在要對聚類的結果進行評價 一 purity 純度 purity 正確聚類的文件數占總文件的比例 例如上面的例子，purity 5 4 3 17 0.7...