is a metric for evaluating clusteri

is a metric for evaluating clustering algorithms. This is part of a group of validity indices including

the Davies– Bouldin index or Silhouette index, in that it is an internal evaluation scheme, where the result is based on the clustered data itself.



As do all other such indices, the aim is to identify sets of clusters that are compact, with a small variance between members of the cluster, and well separated, where the means of different clusters are sufficiently far apart, as compared to the within cluster variance. For a given assignment of clusters, a higher Dunn index indicates better clustering. One of the drawbacks of using this is the computational cost as the number of clusters and dimensionality of the data increase.

ผลลัพธ์ (ไทย) 1:

เป็นการวัดสำหรับการประเมินขั้นตอนวิธีการระบบคลัสเตอร์ นี้เป็นส่วนหนึ่งของกลุ่มรวมทั้งดัชนีความถูกต้อง เดวีส์ – Bouldin ดัชนีหรือเงาดัชนี ที่เป็นแบบแผนการประเมินภายใน ซึ่งผลเป็นไปตามข้อมูลคลัสเตอร์เอง ทำดัชนีดังกล่าวทั้งหมดอื่น ๆ จุดมุ่งหมายคือการ ระบุชุดของคลัสเตอร์ที่มีขนาดกะทัดรัด มีผลต่างการเล็กระหว่างสมาชิกของคลัสเตอร์ และดี แยก ที่หมายของคลัสเตอร์ที่แตกต่างกันคือพอห่างกัน เมื่อเทียบกับ ภายในคลัสเตอร์ต่างกัน สำหรับการกำหนดกำหนดกลุ่ม ดัชนีดันน์สูงบ่งชี้ว่า คลัสเตอร์ดีกว่า ข้อเสียของการใช้อย่างใดอย่างหนึ่งคือต้นทุนที่คำนวณเป็นจำนวนของคลัสเตอร์และมิติของการเพิ่มข้อมูล

ผลลัพธ์ (ไทย) 2:

เป็นตัวชี้วัดสำหรับการประเมินขั้นตอนวิธีการจัดกลุ่ม นี้เป็นส่วนหนึ่งของกลุ่มของดัชนีความถูกต้องรวมทั้งดัชนี Davies- Bouldin หรือดัชนี Silhouette ในการที่จะเป็นรูปแบบการประเมินผลภายในซึ่งผลที่ได้จะขึ้นอยู่กับข้อมูลคลัสเตอร์ตัวเอง. เช่นเดียวกับดัชนีดังกล่าวอื่น ๆ ทั้งหมดมีจุดมุ่งหมายคือการ ระบุชุดของกลุ่มที่มีขนาดกะทัดรัดที่มีขนาดเล็กแปรปรวนระหว่างสมาชิกของกลุ่มที่ดีและแยกออกจากกันที่วิธีการของกลุ่มที่แตกต่างกันพอห่างกันเมื่อเทียบกับความแปรปรวนภายในคลัสเตอร์ สำหรับการกำหนดที่กำหนดของกลุ่มดัชนีดันน์ที่สูงขึ้นบ่งชี้ที่ดีกว่าการจัดกลุ่ม หนึ่งในข้อเสียของการใช้นี้เป็นค่าใช้จ่ายในการคำนวณเป็นจำนวนของกลุ่มและมิติของการเพิ่มข้อมูล

ผลลัพธ์ (ไทย) 3:

เป็นระบบเมตริกสำหรับการประเมินกลุ่มอัลกอริธึม นี้เป็นส่วนหนึ่งของกลุ่มของค่าดัชนี ได้แก่การ bouldin Index หรือดัชนี เดวีส์ และเงา ในการที่มีการประเมินโครงการภายใน ซึ่งผลจะขึ้นอยู่กับการจัดกลุ่มข้อมูลนั่นเองเช่นเดียวกับดัชนีอื่น ๆเช่นทั้งหมด จุดมุ่งหมายคือการระบุชุดของกลุ่มที่มีขนาดกะทัดรัดที่มีความแปรปรวนเล็กๆ ระหว่างสมาชิกของกลุ่ม และแยกกันที่ค่าเฉลี่ยของกลุ่มที่แตกต่างกัน พอห่างกันมาก เมื่อเทียบกับความแปรปรวนภายในกลุ่ม เพื่อให้งานของกลุ่ม ดันดัชนีบ่งชี้คุณภาพสูงกว่าดีกว่า . หนึ่งในข้อเสียของการใช้นี้เป็นค่าใช้จ่ายในการคำนวณเป็นตัวเลขกลุ่ม dimensionality ของข้อมูลเพิ่มขึ้น