Как оценить качество кластеризации у метода k-средних (k-means)?
Оценивать качество в задаче кластеризации довольно трудно, так как у нас нет эталонных значений. Тем не менее, есть некоторые математические соображения, позволяющие оценить работу алгоритма.
🔹 Можно посмотреть на то, насколько хорошо разделены кластеры. Для этого используется индекс Данна (Dunn Index), который учитывает как расстояние между кластерами, так и расстояния внутри кластеров. 🔹 Можно оценить, насколько объект похож на свой кластер по сравнению с другими кластерами. На это укажет значение силуэта (Silhouette). Высокое значение означает, что объект хорошо подходит к своему кластеру и плохо подходит к соседним кластерам.
Как оценить качество кластеризации у метода k-средних (k-means)?
Оценивать качество в задаче кластеризации довольно трудно, так как у нас нет эталонных значений. Тем не менее, есть некоторые математические соображения, позволяющие оценить работу алгоритма.
🔹 Можно посмотреть на то, насколько хорошо разделены кластеры. Для этого используется индекс Данна (Dunn Index), который учитывает как расстояние между кластерами, так и расстояния внутри кластеров. 🔹 Можно оценить, насколько объект похож на свой кластер по сравнению с другими кластерами. На это укажет значение силуэта (Silhouette). Высокое значение означает, что объект хорошо подходит к своему кластеру и плохо подходит к соседним кластерам.
#машинное_обучение
BY Библиотека собеса по Data Science | вопросы с собеседований
Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283
A leaked Telegram discussion by 50 so-called crypto influencers has exposed the extraordinary steps they take in order to profit on the back off unsuspecting defi investors. According to a leaked screenshot of the chat, an elaborate plan to defraud defi investors using the worthless “$Few” tokens had been hatched. $Few tokens would be airdropped to some of the influencers who in turn promoted these to unsuspecting followers on Twitter.
The S&P 500 slumped 1.8% on Monday and Tuesday, thanks to China Evergrande, the Chinese property company that looks like it is ready to default on its more-than $300 billion in debt. Cries of the next Lehman Brothers—or maybe the next Silverado?—echoed through the canyons of Wall Street as investors prepared for the worst.
Библиотека собеса по Data Science | вопросы с собеседований from fr
