机器学习中级-无监督学习-轮廓系数

尹成学院 2023-01-13 01:38:31

课时名称课时知识点
机器学习中级-无监督学习-轮廓系数机器学习中级-无监督学习-轮廓系数
...全文
161 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
聚类效果评估——轮廓系数（Silhouette Coefficient）附Python代码
本文探讨了轮廓系数在评估聚类效果中的作用，详细解释了轮廓系数的计算原理及如何利用它确定KMeans算法中的K值。通过实例展示了轮廓系数在不同聚类情况下的应用。
sklearn教程15 - 无监督学习-K-means原理分析及使用，轮廓系数对k-means模型的评估
本文围绕无监督学习中的K-means展开，介绍了K-means聚类的实现步骤，包括随机设置聚类中心、计算点到中心距离并标记类别、重新计算中心点等。还引入轮廓系数概念，用于评估K-means聚类算法模型性能，系数在(-1, 1)之间，越大聚类效果越好。
聚类评价指标(轮廓系数 Silhouette coefficient)
本文深入探讨了聚类算法结果的评价方法，重点介绍了轮廓系数（Silhouette）这一内部有效性指标。轮廓系数衡量了样本与其所在聚类的紧密度及与其他聚类的分离度，其值范围在-1到1之间，值越大表示聚类效果越好。文章详细解释了轮廓系数的计算过程，并通过实例展示了如何使用sklearn包进行轮廓系数的计算。
10.轮廓系数-机器学习模型性能的常用的评估指标
本文介绍了轮廓系数，一种用于评估聚类分析效果的指标，结合了凝聚度和分离度。它在无监督学习中提供对聚类质量的综合评价，适用于K均值、层次聚类等算法。尽管有易用性，但也存在对非凸形状簇和密度不均数据的敏感性问题。
机器学习：聚类算法与无监督学习、模型评估标准
本文详细介绍了深度学习和机器学习的入门项目，包括PyTorch深度学习、机器学习实战案例。重点讲解了聚类算法，如KMeans和DBSCAN的基本原理，参数设置及其重要性。KMeans的n_clusters、init、random_state和n_init参数对模型的影响，以及DBSCAN的eps和min_samples参数。此外，还讨论了聚类评估指标，如轮廓系数、Calinski-Harabasz分数，以及Homogeneity、Completeness和V-measure。这些指标有助于评估无监督学习模型的性能。
尹成的课程社区_NO_2

1

社区成员

1,571

社区内容

发帖
与我相关
我的任务
社区描述
尹成学院
社区管理员
  • 尹成学院
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章