聚類是什麼呢？我們都聽說過「物以類聚」，即把「志同道合」的 資料分到一起歸為一類，不同類之間在」志向「上具有較大分歧。舉個栗子，茫茫人生中，我們普通大眾會被god根據緣分進行聚類，緣分好的話，會成為朋友，甚至成為了可以互訴衷腸，」餘生請指教「的男女盤友，那緣分不好的應該是一生從未謀面或者一面之緣或者是如《再見前任3》中那樣成為了最熟悉的陌生人…好像扯遠了。
言歸正傳，用標準的普通話來說，聚類是將資料集中的樣本劃分為若干個通常是不相交的子集，每個子集成為乙個「簇」，用正規的外星人語言來說，對於樣本d=
d =包含
m m
個無標記樣本，每個樣本xi
=' role="presentation">xi=
xi=是乙個
n n
維特徵向量，則聚類演算法將樣本集
d' role="presentation">d
d劃分為
k k
個不相交的簇
' role="presentation">
，其中cl′
∩l′≠
lcl=
∅ cl′
∩l′≠
lcl=
∅且d=
∪kl=
1cl d=∪
l=1k
cl，相應地，用λj
∈ λj∈
表示樣本xj
x
j的「簇標記」，即xj
∈cλj
x j∈
cλj。於是聚類的結果可用包含m個元素的簇標記，記向量λ=
(λ1;
λ2;.
..;λ
m)λ =(
λ1;λ
2;..
.;λm
)。舉個栗子，對於具有
10 10
個樣本的資料集
d d
，其中每個樣本xi
' role="presentation">xix
i含有2 2
維特徵，分成
2' role="presentation">2
2類的結果如下：
聚類通常用來對無標記訓練樣本的學習來揭示資料內在性質及規律，為進一步的資料分析提供基礎，是「無監督學習」中應用最廣的研究方法。那麼問題來了，如何衡量聚類結果的好壞呢？按照什麼樣的「緣分」分類呢？官方的話來說聚類有哪些效能度量以及距離計算方法。
我們通常按照乙個標準來分析聚類之後的結果，簡單來說這個標準是「簇內相似度高，簇間相似度低」，下面我們用一堆「指數」，「係數」來數學化引號裡面的內容，權當填補那些好奇心強盛的孩紙們…
效能度量分類：
聚類效能度量的主要分為兩類，一類是將聚類結果與某個「參考模型」進行比較，成為「外部指標」；另一類是直接考察聚類結果而不用任何參考模型，成為「內部指標」。
外部指標
「外部指標」通常有jaccard係數(jaccard coefficient，簡稱jc)、fm係數(fowlkes and mallows index，簡稱fmi)、rand指數(rand index，簡稱ri)。
[1]. 周志華，機器學習，清華大學出版社，2016
聚類 效能度量
聚類的效能是很難度量，因為它是從資料中學習，並歸類。資料的特性的多方面的，那麼歸類的結果也會是多種。比如蘋果，可以從顏色 紅 綠 也可以從形狀 圓的 橢圓的 歸類，沒有一定的形式。但是我們還是試圖找到一些方法來評價聚類演算法的效能。主要分為外部指標和內部指標兩大類。外部指標是指，將結果與 參考的模型...
聚類中的效能度量
在無監督學習中，訓練樣本的標記是沒有指定的，通過對無標記樣本的訓練來探索資料之間的規律。其中應用最廣的便是聚類，聚類試圖把一群未標記資料劃分為一堆不相交的子集，每個子集叫做 簇 每個簇可能對應於乙個類別標籤，但值得注意的是，這個標籤僅僅是我們人為指定強加的，並不是資料本身就存在這樣的標籤。例如 軟體...
常用聚類以及聚類的度量指標
外部度量 利用條件熵定義的同質性度量 sklearn.metrics.homogeneity score 每乙個聚出的類僅包含乙個類別的程度度量。sklearn.metrics.completeness 每乙個類別被指向相同聚出的類的程度度量。sklearn.metrics.v measure sc...