通過與地面真相比較進行羣集驗證

Question

我們應該如何根據平均誤差指數或精度或召回進行羣集驗證？ 我的疑問是，說使用數據集D，並遵循我的算法，我得到6個標記爲c1，c2，c3，c4，c5，c6的簇，每個簇中有50,60,30,40,10,10,10個元素分別 。

在數據集D中，實際的聚類標籤分別爲1,2,3 ... 6,55,45,5,35,10,60個元素。

我的集羣標籤c1必須與實際集羣標籤1，c2到2，c3到3，...等對應嗎？

在這種情況下，我將如何計算平均錯誤指數？

Answer 1

任何好的聚類工具包（例如ELKI）都應該帶有數十個的驗證措施。 ARI可能是最受歡迎的之一。

無論如何，有噸的文獻就此;任何關於聚類分析的教科書都應該涵蓋驗證的主題。任何體面的軟件都應該包含這樣的驗證措施。

也許你可以閱讀這些，然後回來一個更精確的問題？

畢竟，你剛剛提出的問題已經在文獻中得到了回答。在比較兩個結果時，您並不是第一個注意到並不總是有1：1對應的簇。 ARI是一個，一般的原則是查看對對（如果兩個元素在同一個集羣中，則存在一對）並計算這些對的精確度，召回率等。