机器学习算法------6.4 模型评估(误差平方和、肘方法、轮廓系数法、CH系数)
文章目录
- 6.4 模型评估
- 学习目标
- 1 误差平方和(SSE \\The sum of squares due to error):
- 2 **“肘”方法 (Elbow method)** — K值确定
- 3 轮廓系数法(Silhouette Coefficient)
- 4 CH系数(Calinski-Harabasz Index)
- 5 小结
6.4 模型评估
学习目标
- 知道模型评估中的SSE、“肘”部法、SC系数和CH系数的实现原理
1 误差平方和(SSE \The sum of squares due to error):
举例:(下图中数据-0.2, 0.4, -0.8, 1.3, -0.7, 均为真实值和预测值的差)
在k-means中的应用:
公式各部分内容:
上图中: k=2
SSE图最终的结果,对图松散度的衡量.(eg: SSE(左图)<SSE(右图))
SSE随着聚类迭代,其值会越来越小,直到最后趋于稳定
如果质心的初始值选择不好,SSE只会达到一个不怎么好的局部最优解.
2 “肘”方法 (Elbow method) — K值确定
(1)对于n个点的数据集,迭代计算k from 1 to n,每次聚类完成后计算每个点到其所属的簇中心的距离的平方和;
(2)平方和是会逐渐变小的,直到k==n时平方和为0,因为每个点都是它所在的簇中心本身。
(3)在这个平方和变化过程中,会出现一个拐点也即“肘”点,下降率突然变缓时即认为是最佳的k值。
在决定什么时候停止训练时,肘形判据同样有效,数据通常有更多的噪音,在增加分类无法带来更多回报时,我们停止增加类别。
3 轮廓系数法(Silhouette Coefficient)
结合了聚类的凝聚度(Cohesion)和分离度(Separation),用于评估聚类的效果:
目的:
内部距离最小化,外部距离最大化
计算样本i到同簇其他样本的平均距离ai,ai 越小样本i的簇内不相似度越小,说明样本i越应该被聚类到该簇。
计算样本i到最近簇Cj 的所有样本的平均距离bij,称样本i与最近簇Cj 的不相似度,定义为样本i的簇间不相似度:bi =min{bi1, bi2, …, bik},bi越大,说明样本i越不属于其他簇。
求出所有样本的轮廓系数后再求平均值就得到了平均轮廓系数。
平均轮廓系数的取值范围为[-1,1],系数越大,聚类效果越好。
簇内样本的距离越近,簇间样本距离越远
案例:
下图是500个样本含有2个feature的数据分布情况,我们对它进行SC系数效果衡量:
n_clusters = 2 The average silhouette_score is : 0.7049787496083262
n_clusters = 3 The average silhouette_score is : 0.5882004012129721
n_clusters = 4 The average silhouette_score is : 0.6505186632729437
n_clusters = 5 The average silhouette_score is : 0.56376469026194
n_clusters = 6 The average silhouette_score is : 0.4504666294372765
n_clusters 分别为 2,3,4,5,6时,SC系数如下,是介于[-1,1]之间的度量指标:
每次聚类后,每个样本都会得到一个轮廓系数,当它为1时,说明这个点与周围簇距离较远,结果非常好,当它为0,说明这个点可能处在两个簇的边界上,当值为负时,暗含该点可能被误分了。
从平均SC系数结果来看,K取3,5,6是不好的,那么2和4呢?
k=2的情况:
k=4的情况:
n_clusters = 2时,第0簇的宽度远宽于第1簇;
n_clusters = 4时,所聚的簇宽度相差不大,因此选择K=4,作为最终聚类个数。
4 CH系数(Calinski-Harabasz Index)
Calinski-Harabasz:
类别内部数据的协方差越小越好,类别之间的协方差越大越好(换句话说:类别内部数据的距离平方和越小越好,类别之间的距离平方和越大越好),
这样的Calinski-Harabasz分数s会高,分数s高则聚类效果越好。
tr为矩阵的迹, Bk为类别之间的协方差矩阵,Wk为类别内部数据的协方差矩阵;
m为训练集样本数,k为类别数。
使用矩阵的迹进行求解的理解:
矩阵的对角线可以表示一个物体的相似性
在机器学习里,主要为了获取数据的特征值,那么就是说,在任何一个矩阵计算出来之后,都可以简单化,只要获取矩阵的迹,就可以表示这一块数据的最重要的特征了,这样就可以把很多无关紧要的数据删除掉,达到简化数据,提高处理速度。
CH需要达到的目的:
用尽量少的类别聚类尽量多的样本,同时获得较好的聚类效果。
5 小结
- sse【知道】
- 误差平方和的值越小越好
- 肘部法【知道】
- 下降率突然变缓时即认为是最佳的k值
- SC系数【知道】
- 取值为[-1, 1],其值越大越好
- CH系数【知道】
- 分数s高则聚类效果越好
- CH需要达到的目的:用尽量少的类别聚类尽量多的样本,同时获得较好的聚类效果。
机器学习算法------6.4 模型评估(误差平方和、肘方法、轮廓系数法、CH系数)相关推荐
- 机器学习算法——概率类模型评估指标4(校准可靠性曲线及预测概率直方图)
一.预测概率直方图 我们可以通过绘制直方图来查看模型的预测概率的分布. 直方图以样本的预测概率分箱后的结果为横坐标,每个箱中的样本数量为纵坐标绘制一个图像. 具体代码实现为: from sklearn ...
- 图解机器学习算法(6) | 决策树模型详解(机器学习通关指南·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/34 本文地址:https://www.showmeai.tech/article-d ...
- 机器学习算法 10 —— HMM模型(马尔科夫链、前向后向算法、维特比算法解码、hmmlearn)
文章目录 系列文章 隐马尔科夫模型 HMM 1 马尔科夫链 1.1 简介 1.2 经典举例 2 HMM简介 2.1 简单案例 2.2 案例进阶 问题二解决 问题一解决 问题三解决 3 HMM模型基础 ...
- 百面机器学习(2)——模型评估
目录 评估指标的局限性(准确率,精确率,召回率,均方根误差) ROC曲线(曲线下的面积AUC,P-R曲线) 余弦距离的应用(余弦相似度,余弦距离,欧式距离) A/B测试的陷阱(实验组,对照组) 模型评 ...
- k近邻算法,朴素贝叶斯算法,分类模型评估,模型调优
k近邻算法,朴素贝叶斯算法,分类模型评估,模型调优 k近邻算法 k近邻算法概述 k近邻算法代码实现 k近邻算法的评价 朴素贝叶斯算法 朴素贝叶斯算法概述 朴素贝叶斯代码实现 朴素贝叶斯的评价 分类模型 ...
- 人工智能-模型评估:常见的模型评估指标与方法大全、汇总
转自:[人工智能-综述-10]:模型评估 - 常见的模型评估指标与方法大全.汇总_文火冰糖的硅基工坊的博客-CSDN博客 目录 前言: 第1章 模型评估概述 1.1 什么是模型评估 1.2 模型评估的 ...
- 机器学习(02)—模型评估
模型评估 1. 交叉验证法 1.1 验证集方法 1.2 留一交叉验证法(leave-one-out cross-validation, LOOCV) 1.3 k折交叉验证法(k-fold CV) 1. ...
- [机器学习与scikit-learn-51]:模型评估-图解回归模型的评估指标MSE、MAE、RMSE、R2、RSS与代码示例
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客 本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...
- 【机器学习算法】感知机模型
文章目录 1. 感知机模型 2. 收敛性证明(Novikoff定理) 3. 感知机对偶形式 4.感知机的缺点 5.感知机的几个变形 5.1 投票感知机 5.2 平均感知机 1. 感知机模型 感知机 ...
- 【机器学习算法】最大熵模型
文章目录 1.最大熵原理 2.最大熵模型 3.训练过程 4.极大似然估计 5.改进的尺度迭代法IIS 1.最大熵原理 在概率统计中,最大熵原理认为在所有可能的概率模型中,熵最大的模型是最好的模型. ...
最新文章
- Linux中为wget命令设置代理
- ubuntu远程桌面
- 统计机器学习第二章 感知机
- vmbox下linux共享文件
- android串口通讯奇偶校验,串口通讯奇偶数校验及CRC校验如何使用详解
- iOS开发-63】Unknown type name CGRect,did you mean Rect?的解决方案
- 接oracle私活价格,也来记录一下第一次接私活的体验
- .NETCore 实现容器化Docker与私有镜像仓库管理
- 即时大数据流处理=即时风暴
- iOS:图片上传时两种图片压缩方式的比较
- java学习(66):局部类内方法访问
- Hadoop安装之JDK在Centos虚拟机中安装
- 如何在Mac上备份和共享文本替换?
- 在写spring项目的时候,有时候需要写ApplicationContext,有时候不要写ApplicationContext
- 计算机专业实训是干什么,计算机系实习目的是什么
- 华三防火墙透明模式典型组网配置实例
- SQL之 CAST 和 CONVERT
- 院士李德毅:大数据认知(演讲全文)
- 【Python系列】Python写csv文件长数字变成科学记数法的解决方案
- 免费刷题的软件测试面试题库小程序,萌新必备