Machine learning 集群算法的性能指标是什么？

我正在研究Kmeans聚类，但与监督学习不同，我无法计算聚类算法的性能指标。如何在训练数据后进行精度测试？

对于kmeans，您可以找到它的惯性。这可以让您了解kmeans算法的工作情况

kmeans = KMeans(...)
# Assuming you already have fitted data on it.
kmeans.inertia_ # lesser is better

或者，如果您调用score函数，则会得到相同的结果，但符号为负数。我们假设分数越大越好，但对于kmeans来说，惯性越小越好。因此，为了使它们保持一致，对其应用了额外的否定

# Call score with data X
kmeans.score(X) # greater is better

这是分析kmeans性能的最基本形式。事实上，如果你把簇的数量看得太高，分数会相应增加，换句话说，惯性会减少，因为惯性只不过是从每个点到相应簇的质心的距离平方的总和，它被分配到该簇。所以，如果你增加集群的数量太多，总距离的平方和会减少，因为每个点都会得到一个非常接近它的质心。不过，在这种情况下，集群的质量很糟糕。所以，为了更好地进行分析，您应该找出轮廓分数，或者在这种情况下更好地使用轮廓图

您将在本笔记本中找到所有实现：

---

与此存储库对应的书籍是：。这是一本了解所有这些细节的好书。

我投票结束这个问题，因为它不是关于中定义的编程，而是关于ML理论和/或方法论-请参阅机器学习中的介绍和注释。谢谢Hafiz。如何与您联系？应首先进行缩放还是应首先应用PCA？应首先进行缩放，请参见此处：我如何知道哪种聚类算法工作良好？假设我使用3种聚类算法，我如何知道哪种算法性能更好？理论上讲，这取决于你的数据-如果你的聚类大小和球形几乎相同，那么尝试“K-均值”，如果聚类块的形状是椭圆形，那么使用高斯混合模型，如果您认为集群可以具有随机形状，但具有连续的高密度区域，则使用“DBSCAN”。