然后我们再来看,那么对于数据来说,我们分成几类比较合适呢,怎么衡量呢?
我们之前做分类的时候,用的是准确率对吧,然后做回归问题的时候,用均方误差.
而我们在Kmeans衡量分成几类比较好用的函数是,轮廓系数对吧,可以看到上面是
轮廓系数的公式
可以看到,他有两个点 可以看到公式中的a和b
a,表示 某个样本 和 它所在的簇内的,其他样本的平均距离, 其实聚类分的好不好,主要是,我们希望一个类别,也就是一个簇中,的数据点,帖的越紧密越好对吧.
b.某个样本 与其他簇内样本的平均距离, 这个其实就是说簇 与 簇之间的距离越远越好对吧,就表示分的越开 对吧
所以根据公式我们可以看到,
假如当a=0 ,那么这个时候 S的值最大对吧,因为 分子最大 对吧,所以轮廓系数公式 的值越大越好
我们希望a越小越好,最小是0 然后b越大越好对吧.
这个就是轮廓系数公式,用来衡量 聚类算法分的好不好
