Davies, David L., and Donald W. Bouldin. “A cluster separation measure.” IEEE transactions on pattern analysis and machine intelligence 2 (1979): 224-227.

公式与简介

指标越小表明聚类效果越好,最小值为0

首先计算:Rij=si+sjdijR_{ij} = \frac{s_i + s_j}{d_{ij}}Rij​=dij​si​+sj​​

其中 sis_isi​表示这个类的直径;dijd_{ij}dij​表示类iii与jjj的质心(centroids)之间的距离

然后取最大的RijR_{ij}Rij​即可得到DB指标值:DB=1k∑i=1kmax⁡i≠jRijDB = \frac{1}{k} \sum_{i=1}^k \max_{i \neq j} R_{ij}DB=k1​∑i=1k​maxi​=j​Rij​

代码实现

import pandas as pd
import numpy as np
from sklearn import metrics
from sklearn.cluster import KMeansdataframe = pd.DataFrame(data=np.random.randint(0, 50, size=(200, 10)))
# 以kmeans聚类方法为例
kmeans_model = KMeans(n_clusters=3, random_state=1).fit(dataframe)
labels = kmeans_model.labels_
# 计算指标
score = metrics.davies_bouldin_score(dataframe, labels)
print(score)

聚类效果评价——Davies-Bouldin(DB指标)——内部评估标准(3)相关推荐

  1. 聚类效果评价——Calinski-Harabasz(CH指标)——内部评估标准(2)

    Caliński, Tadeusz, and Jerzy Harabasz. "A dendrite method for cluster analysis." Communica ...

  2. K-Means聚类算法 — 算法原理、质心计算、距离度量、聚类效果评价及优缺点

    分类知识   分类是根据样本某些属性或某类特征(可以融合多类特征),把样本类型归为已确定的某一类别中.机器学习中常见的分类算法有:SVM(支持向量机).KNN(最邻近法).Decision Tree( ...

  3. 聚类效果评价——Silhouette Coefficient(轮廓系数)——内部评估标准(1)

    公式与简介 Rousseeuw, Peter J. "Silhouettes: a graphical aid to the interpretation and validation of ...

  4. 聚类效果评估——轮廓系数(Silhouette Coefficient)附Python代码

    轮廓系数 前言 是什么? 为什么? 由此可得: 怎么用? 不适用 示例 前言 在机器学习中,无监督学习算法中聚类算法算作相对重要的一部分算法.也常在低资源和无标注的情况下使用. 其中KMeans作为聚 ...

  5. 聚类效果评估、内部指标(Jaccard系数、FM指数、Rand指数)、外部指标(DB指数、Dunn指数)、轮廓系数(Silhouette Coefficient)

    聚类效果评估.内部指标(Jaccard系数.FM指数.Rand指数).外部指标(DB指数.Dunn指数).轮廓系数(Silhouette Coefficient) 目录

  6. 聚类效果评估指标总结

    前言 实际工作中经常会用到一些聚类算法对一些数据进行聚类处理,如何评估每次聚类效果的好坏?可选的方法有1.根据一些聚类效果的指标来评估:2.直接打点.今天就主要总结下这段时间了解的聚类效果评估指标.废 ...

  7. rpn风险等级评价准则_2019一建经济学习重点:技术方案经济效果评价

    2019年一级建造师备考正在进行中,你是在看教材还是在刷题呢?今天优路教育小编是来送干货的,教材太厚,知识点太乱,那就来看这里的考点总结吧.接下来小编带大家一起学习<工程经济>第一章工程经 ...

  8. 重组标签云-标签聚类及其评价研究

    重组标签云-标签聚类及其评价研究 AlbertoPérez García-Plaza a*, Arkaitz Zubiaga b, Víctor Fresnoa,Raquel Martínez a a ...

  9. skfuzzy.cmeans与sklearn.KMeans聚类效果对比以及使用方法

    因为实验中要用到聚类效果的对比,没有时间自己来实现算法,所以Kmeans就用到了sklearn中的Kmeans类,FCM用到了skfuzzy.cmeans. 几个概念 1.Kmeans Kmeans是 ...

最新文章

  1. html主动发起重新布局,重启连不上网
  2. HDU - 4511 小明系列故事——女友的考验(AC自动机+dp)
  3. 1.7编程基础之字符串_04石头剪子布
  4. 汽车车灯有必要改造成氙气大灯吗?
  5. 网络协议 21 - RPC 协议(中)- 基于 JSON 的 RESTful 接口协议
  6. MATLAB均值滤波
  7. Sequencher_v4.1.4 DNA 序列分析的工业标准软件
  8. 解读:【小爱同学】智能问答系统
  9. 问题——TortoiseGit Git clone 的时候密码写错
  10. 4TB的移动硬盘,显示只有1.63TB
  11. 华为云ecs服务器镜像上传到容器镜像服务SWR
  12. 【读书笔记】凤凰架构-事务处理
  13. 数学笔记28——不定式和洛必达法则
  14. CPU 缓存如何影响你的 Go 程序性能
  15. 全文搜索引擎,索引库
  16. DataGrip离线安装驱动
  17. IEEE 公布「AI十大潜力人物」名单,韩松、王威廉、杨迪一、方飞、张含望等入选 | AI日报...
  18. 如何检测时间序列中的异方差(Heteroskedasticity)
  19. could only be written to 0 of the 1 minReplication nodes. There are 0 datanode(s) running and 0 node
  20. ActiveMQ——消息的生产和消费

热门文章

  1. iphone微信电话不弹出_iPhone快速分享电话号码的方法!
  2. vue-cli脚手架下,assets中的图片路径使用变量?
  3. VMware Esxi-5.1 简介与安装
  4. bootstrap 总结
  5. oracle ora 01152,ORA-01152 故障解决
  6. c++ 删除文件_win7 系统电脑C盘哪些文件可以删除掉?
  7. python编写脚本pdf_你用 Python 写过哪些有趣的脚本?
  8. JavaScript垃圾回收
  9. RocketMQ(六)—IndexFile详解
  10. java中一级缓存_java – 集群环境中的hibernate一级缓存