ClusteringMetrics Klasse

Definition

Namespace:

Microsoft.ML.Data

Assembly:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v2.0.0

Die Metriken, die nach der Auswertung der Clustervorhersagen generiert wurden.

public sealed class ClusteringMetrics

type ClusteringMetrics = class

Public NotInheritable Class ClusteringMetrics

Vererbung

Object

ClusteringMetrics

Eigenschaften

AverageDistance	Durchschnittliche Bewertung. Für den K-Means-Algorithmus ist die "Bewertung" der Abstand vom Centroid zum Beispiel. Die durchschnittliche Bewertung ist daher ein Maß für die Näherung der Beispiele zu Clusterzentrierungen. Anders ausgedrückt: Es handelt sich um ein Maß für "Clusterdichte". Beachten Sie jedoch, dass diese Metrik nur verringert wird, wenn die Anzahl der Cluster erhöht wird, und im extremen Fall (in dem jedes einzelne Beispiel sein eigener Cluster ist) wird es gleich null sein.
DaviesBouldinIndex	Davies-Bouldin Index misst, wie viel Punkt sich im Cluster und in der Clustertrennung befindet.
NormalizedMutualInformation	Normalisierte gegenseitige Informationen sind ein Maß für die gegenseitige Abhängigkeit der Variablen. Diese Metrik wird nur berechnet, wenn die Beschriftungsspalte angegeben wird.