R Kümeleme 'saflık' metriği

Question

Küme doğrulamasını gerçekleştirmek için R'de fpc paketi kullanıyorum.

Kümelememi bir dış bölümlendirme ile karşılaştırmak ve rand Index, entropy e.t.c. gibi birkaç metriği hesaplamak için cluster.stats() işlevini kullanabilirim.

Ancak, ben, R.

sayesinde bu tedbirin bir uygulama olup olmadığını merak ediyorum http://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-clustering-1.html

tanımlanan 'saflık' veya 'küme doğruluğu' adlı bir metrik için arıyorum Chet

Answer 1

bir off-the-raf fonksiyonunun biliyorum, ama burada varsa bağlantınızda denklemi kullanılarak kendiniz yapabileceğini bir yoludur yoktur:

ClusterPurity <- function(clusters, classes) { 
    sum(apply(table(classes, clusters), 2, max))/length(clusters) 
} 

Burada biz saflık 1/sayı-of-sınıflarına olmasını bekliyoruz inanıyoruz rastgele atamaları, test edebilirsiniz:

> n = 1e6 
> classes = sample(3, n, replace=T) 
> clusters = sample(5, n, replace=T) 
> ClusterPurity(clusters, classes) 
[1] 0.334349