Machine learning 为什么轮廓评分需要标签作为输入？

为什么认为它只需要数据是错误的，因为它“输出一个对象与其自身集群（内聚）与其他集群（分离）的相似程度的度量。”

但是，我还需要输入标签（函数本身计算）；那么，为什么需要输入标签呢

一个对象与它自己的簇的相似程度

为了计算轮廓，您需要知道样本属于哪个集群

此外：

使用每个样本的平均簇内距离（

a

）和平均最近簇距离（

b

）计算轮廓系数。样本的轮廓系数为

（b-a）/max（a，b）

。为了澄清，

b

是样本与样本不属于的最近簇之间的距离

---

您需要标签来了解“集群内”和“最近的集群”的含义。

剪影评分是集群质量的指标，而不是集群算法。它同时考虑了类间距离和类内距离

要进行该计算，您需要同时提供数据和目标标签（通过无监督方法（如

K-means

）进行估计）