目錄
輪廓係數
sklearn中的api
在機器學習入門研究（十七）— instacart market使用者分類中我們通過sklearn中的kmeans來將使用者分成了三類人，那麼我們怎麼評估這個模型的好與不好呢？
從上圖中，我們知道聚類最後將這些點分成了2類，聚類最後的結果就是：內部的距離最小化，外部的距離最大化。我們使用輪廓係數來描述，其中公式如下：
其中裡面的bi指的是每個樣本到其他簇群的所有樣本的距離的最小值。可以看成是外部距離；
而ai可以看成是該樣本值到本簇群中的所有距離的平均值。可以看成是內部距離。
我們可以看到當bi>>ai的時候，此時外部距離遠遠的超過了內部距離，此時輪廓係數接近於1；而當ai》bi，此時內部距離遠遠超過了外部距離，此時輪廓係數接近與-1；那麼就可以看到輪廓係數的範圍為[-1,1]，越接近於1，說明聚類效果越好；越接近於-1，說明聚類效果越差。
在sklearn中提供成熟的api來實現這個輪廓係數，對應的api如圖：
sklearn.metrics.silhouette_score(x, labels, metric='euclidean', sample_size=none,
random_state=none, **kwds):
引數含義
x特徵值
labels
我們最後**出來的標籤
metric
計算兩個樣本之間距離的方法」，預設為『euclidean』，則必須是metrics.pairwise.pairwise_distances 中 metric 可選的（『cityblock』, 『cosine』, 『euclidean』, 『l1』, 『l2』, 『manhattan』 或『braycurtis』, 『canberra』, 『chebyshev』, 『correlation』, 『dice』, 『hamming』, 『jaccard』, 『kulsinski』, 『mahalanobis』, 『matching』, 『minkowski』, 『rogerstanimoto』, 『russellrao』, 『seuclidean』, 『sokalmichener』, 『sokalsneath』, 『sqeuclidean』, 『yule』）；
也可以為乙個可呼叫的函式計算兩個例項之間的距離。
sample_size
隨機取一部分樣本的平均值
random_state
當sample_size 為非空時用來生成隨機取樣
我們使用該api評估下機器學習入門研究（十七）— instacart market使用者分類中的模型：
from sklearn.metrics import silhouette_score
score = silhouette_score(data_new,y_predict)
0.5368333366182597機器學習之十八 聚類演算法
聚類是無監督學習中最常用的演算法，常用的聚類演算法總結。1 k means k均值 聚類 對於輸入樣本d k means聚類演算法如下 1 從d中隨機選擇k個class center，u1，u2，uk 2 對於每個樣本xi，將其標記為距離類別中心最近的類別，即 yi argmin xi uj 1 j...
機器學習入門 聚類（一）
聚類演算法是在沒有給定標籤和樣本值的前提下進行資料劃分，是典型的無監督學習 unsupervised learning 演算法。聚類試圖將資料集中的樣本劃分成若干個不相交的子集，稱為 簇 或 類 乙個好的樣本劃分肯定是簇內的樣本相似度高，而簇與簇之間的樣本相似度低。簇是物件的集合，其中每個物件到定義...
12 聚類模型 機器學習基礎理論入門
定義 聚類分析又稱群分析，目標時將樣本劃分為緊密關係的子集或簇 應用聚類分析在實際中應用非常廣泛，如 市場細分 社交圈分析 天體資料分析等 聚類要求 聚類分析的目標時將樣本劃分為緊密關係的子集或簇。一般要求同一類內的相似度盡量大，不同類間的差異度盡量大。常用聚類演算法 1 kmeans聚類 2 層次...