ClusteringMeasurements
✖
ClusteringMeasurements
更多信息和选项




- ClusteringMeasurements 用于分析聚类过程的结果. 可以单独处理聚类数据,也可以将其与真实信息进行比较.
- 可能的聚类规范 clusters 包括:
-
{{e1,e2,…},…} 聚类样例的列表 <l1{e1,e2,…},… > 标签为 li 的聚类样例的关联 {e1l1,e2l2,…} 样例列表及其对应的聚类标签 {e1,e2,…}{l1,l2,…} 分开的样例列表和标签列表 {e1,e2,…}cfun 通过 ClassifierFunction 得到的隐式分类 - 可能的真实分类规范 gt 包括:
-
{{e1,e2,…},…} 示例聚类 (example cluster) 的列表 <l1{e1,e2,…},… > 样例列表关联,并用聚类作为标签 {e1l1,e2l2,…} 样例列表及其对应的聚类 {e1,e2,…}{l1,l2,…} 分开的样例和聚类的列表 {l1,l2,…} 每个示例的聚类标签列表 - 度量 meas 可采用以下形式:
-
"Summary" 度量汇总表 "name" 特定度量 "name" {"name1","name2",…} 度量列表 All 所有可能的度量 "Properties" 可能的度量名称的列表 - 度量可分为内部度量和外部度量.
- 内部度量通常假设好的簇具有高分离度和低分散度.
- 常见的分离度(簇间距离)的定义:
- 常见的色散(簇内距离)的定义:
- 符号 〈ei〉 和 〈e〉 表示聚类和整个数据集的平均值.
- 支持的内部度量 meas 包括:
-
"CalinskiHarabasz" 平均分离度和平均质心色散的比值(最大化) "DaviesBouldin" 一对簇的质心色散和与质心分离度的平均最大比值(最小化) "Dunn" 最小的最小分离度与数据集最大色散的比值(最大化) "RSquared" 平均色散的均值与数据集质心色散的比值(肘部法则) "Silhouette" 簇间距离与最近的簇的簇间距离之间的差的均值(最大化) "StandardDeviation" 平均色散的均值(肘部法则) - 为每个聚类或每个样例返回结果的内部度量包括:
-
"DaviesBouldinScore" 最大聚类相似度 "RSquaredScore" 聚类与整个数据集的色散之比 "SilhouetteScore" 簇间距离与最近的簇的簇间距离之间的差 "SilhouetteScoreList" 每个样例的轮廓值 "StandardDeviationScore" 平均色散 - 外部度量将样例 ei 的聚类分配与其真实值 gt 进行比较.
- 支持的外部度量包括:
-
"Purity" 簇中按最多的真实值分配的样例的比例(最大化) "Rand" 正确共享或不共享相同的真实值分配的 (ei,ej) 数据对的比例(最大化) - 为每个聚类或每个样例返回结果的外部度量包括:
-
"PurityScore" 每个簇中共享相同真实值分配的样例的最大比例 "RandScore" 每个簇中正确共享或不共享相同的真实值分配的 (ei,ej) 数据对的比例 - ClusteringMeasurements[…,{"prop1","prop2",…}] 可用于计算多个属性.
- ClusteringMeasurements 支持以下选项:
-
DistanceFunction Automatic 要使用的距离函数 FeatureExtractor Identity 怎样从样例中提取特征 - 默认情况下,以下距离函数被用于不同类型的元素:
-
EuclideanDistance 数值数据 ImageDistance 图像 JaccardDissimilarity 布尔数据 EditDistance 文本和名义序列 Abs[DateDifference[#1,#2]]& 日期和时间 ColorDistance 颜色 GeoDistance 地理空间数据 Boole[SameQ[#1,#2]]& 名义数据 HammingDistance 名义向量数据 WarpingDistance 数值序列





范例
打开所有单元关闭所有单元基本范例 (2)常见实例总结
In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-4taevy
Out[1]=1

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-rwpz8d
Out[1]=1

In[2]:=2

✖
https://wolfram.com/xid/0bh02fz2hqicdv-mepuhp
Out[2]=2

In[3]:=3

✖
https://wolfram.com/xid/0bh02fz2hqicdv-zf74w0
Out[3]=3

In[4]:=4

✖
https://wolfram.com/xid/0bh02fz2hqicdv-6m2802
Out[4]=4

范围 (9)标准用法实例范围调查
数据格式 (5)
In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-pqtabf
Out[1]=1

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-vglfqz
Out[1]=1

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-hbnjm
Out[1]=1

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-my3ybp
Out[1]=1

用样例和 ClassifierFunction[…] 之间的规则指定簇:
In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-tn83wx
In[2]:=2

✖
https://wolfram.com/xid/0bh02fz2hqicdv-lwc5z6
Out[2]=2

In[3]:=3

✖
https://wolfram.com/xid/0bh02fz2hqicdv-oi9k1c
Out[3]=3

度量 (4)
In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-3nyshx
Out[1]=1

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-lno84t
Out[1]=1

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-ni6gla
Out[1]=1

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-w93q3m
Out[1]=1

In[2]:=2

✖
https://wolfram.com/xid/0bh02fz2hqicdv-nka7wl
Out[2]=2

选项 (2)各选项的常用值和功能
应用 (2)用该函数可以解决的问题范例
In[14]:=14

✖
https://wolfram.com/xid/0bh02fz2hqicdv-qgjo0e
In[15]:=15

✖
https://wolfram.com/xid/0bh02fz2hqicdv-meerfv
Out[15]=15

In[16]:=16

✖
https://wolfram.com/xid/0bh02fz2hqicdv-bmpl0n
In[17]:=17

✖
https://wolfram.com/xid/0bh02fz2hqicdv-uq6p43
In[18]:=18

✖
https://wolfram.com/xid/0bh02fz2hqicdv-sw71jn
Out[18]=18

In[19]:=19

✖
https://wolfram.com/xid/0bh02fz2hqicdv-ksgmam
Out[19]=19

In[20]:=20

✖
https://wolfram.com/xid/0bh02fz2hqicdv-oswcts
Out[20]=20

In[1]:=1

✖
https://wolfram.com/xid/0bh02fz2hqicdv-jgfgfx
In[2]:=2

✖
https://wolfram.com/xid/0bh02fz2hqicdv-rb9b1n

In[3]:=3

✖
https://wolfram.com/xid/0bh02fz2hqicdv-5le59x
Out[3]=3

In[4]:=4

✖
https://wolfram.com/xid/0bh02fz2hqicdv-jhq8wf
In[5]:=5

✖
https://wolfram.com/xid/0bh02fz2hqicdv-gto5ik
Out[5]=5

可能存在的问题 (1)常见隐患和异常行为
Wolfram Research (2022),ClusteringMeasurements,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ClusteringMeasurements.html.
✖
Wolfram Research (2022),ClusteringMeasurements,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ClusteringMeasurements.html.
文本
Wolfram Research (2022),ClusteringMeasurements,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ClusteringMeasurements.html.
✖
Wolfram Research (2022),ClusteringMeasurements,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ClusteringMeasurements.html.
CMS
Wolfram 语言. 2022. "ClusteringMeasurements." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/ClusteringMeasurements.html.
✖
Wolfram 语言. 2022. "ClusteringMeasurements." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/ClusteringMeasurements.html.
APA
Wolfram 语言. (2022). ClusteringMeasurements. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ClusteringMeasurements.html 年
✖
Wolfram 语言. (2022). ClusteringMeasurements. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ClusteringMeasurements.html 年
BibTeX
✖
@misc{reference.wolfram_2025_clusteringmeasurements, author="Wolfram Research", title="{ClusteringMeasurements}", year="2022", howpublished="\url{https://reference.wolfram.com/language/ref/ClusteringMeasurements.html}", note=[Accessed: 06-April-2025
]}
BibLaTeX
✖
@online{reference.wolfram_2025_clusteringmeasurements, organization={Wolfram Research}, title={ClusteringMeasurements}, year={2022}, url={https://reference.wolfram.com/language/ref/ClusteringMeasurements.html}, note=[Accessed: 06-April-2025
]}