Kmeans评价：
a)原始数据有标签：
b)原始数据无标签：
轮廓系数：
轮廓系数越大，聚类效果越好
b：类间距离 a:类内距离
kaggle竞赛之路P86
手肘法：（所属类簇的平均距离）
计算方式一：
计算方式二：
模型自带参数：
特点：
K值的选取：轮廓系数，手肘画图，谱系聚类画图
Kmeans聚类算法效果评价方式
2023-07-19
85
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
Kmeans聚类算法效果评价方式
目录
相关文章
|
5天前
|
机器学习/深度学习
算法
数据挖掘
【机器学习】聚类算法中，如何判断数据是否被“充分”地聚类，以便算法产生有意义的结果？
【5月更文挑战第14天】【机器学习】聚类算法中，如何判断数据是否被“充分”地聚类，以便算法产生有意义的结果？
27
1
1
|
5天前
|
机器学习/深度学习
传感器
算法
|
5天前
|
机器学习/深度学习
算法
数据可视化
【机器学习】比较分层聚类（Hierarchical Clustering）和K-means聚类算法
【5月更文挑战第12天】【机器学习】比较分层聚类（Hierarchical Clustering）和K-means聚类算法
22
2
2
|
5天前
|
机器学习/深度学习
算法
数据挖掘
|
5天前
|
机器学习/深度学习
算法
数据挖掘
|
5天前
|
机器学习/深度学习
算法
数据可视化
|
5天前
|
机器学习/深度学习
算法
数据挖掘
【Python 机器学习专栏】K-means 聚类算法在 Python 中的实现
【4月更文挑战第30天】K-means 是一种常见的聚类算法，用于将数据集划分为 K 个簇。其基本流程包括初始化簇中心、分配数据点、更新簇中心并重复此过程直到收敛。在 Python 中实现 K-means 包括数据准备、定义距离函数、初始化、迭代和输出结果。虽然算法简单高效，但它需要预先设定 K 值，且对初始点选择敏感，可能陷入局部最优。广泛应用在市场分析、图像分割等场景。理解原理与实现对应用聚类分析至关重要。
19
1
1
|
5天前
|
机器学习/深度学习
数据采集
SQL
|
5天前
|
算法
搜索推荐
数据挖掘
|
5天前
|
算法
数据可视化
数据挖掘