评估聚类模型

评估聚类模型

评估聚类模型

轮廓系数 聚类评估：轮廓系数(Silhouette Coefficient)：​​​ si接近-1，则说明样本i更应该分类到另外的簇。 若si近似为0，则说明样本i在两个簇的边界上。

silhouette_score 返回的是平均轮廓系数

# 评估聚类模型import numpy as npfrom sklearn.metrics import silhouette_scorefrom sklearn import datasetsfrom sklearn.cluster import KMeansfrom sklearn.datasets import make_blobs# generate feature matrixfeatures, _ = make_blobs(n_samples = 1000, n_features = 10, centers = 2, cluster_std = 0.5, shuffle = True, random_state = 1)# cluster data using k-means to predict classes# 使用KMeans 对数据进行聚类，预测分类model = KMeans(n_clusters=2, random_state=1).fit(features)# get predicted classes# 获取预测分类target_predicted = model.labels_# evaluate model 评估模型 轮廓系数silhouette_score(features, target_predicted)0.8916265564072142

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。