ClusteringMetrics Klasse

Definition

Namespace:: Microsoft.ML.Data

Assembly:: Microsoft.ML.Data.dll

Paket:: Microsoft.ML v4.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.1

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v5.0.0-preview.1.25125.4

Quelle:: ClusteringMetrics.cs

Quelle:: ClusteringMetrics.cs

Quelle:: ClusteringMetrics.cs

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

Die Metriken, die nach der Auswertung der Clusteringvorhersagen generiert wurden.

public sealed class ClusteringMetrics

type ClusteringMetrics = class

Public NotInheritable Class ClusteringMetrics

Vererbung: Object
ClusteringMetrics

Eigenschaften

Name	Beschreibung
AverageDistance	Durchschnittliche Bewertung. Für den K-Means-Algorithmus ist der "Score" der Abstand zwischen dem Schwerpunkt und dem Beispiel. Die durchschnittliche Bewertung ist daher ein Maß für die Näherung der Beispiele zu Clusterzentrieren. Mit anderen Worten, es ist ein Maß für "Cluster-Straffheit". Beachten Sie jedoch, dass diese Metrik nur verringert wird, wenn die Anzahl der Cluster erhöht wird, und im extremen Fall (wobei jedes einzelne Beispiel ein eigener Cluster ist) es gleich Null ist.
DaviesBouldinIndex	Davies-Bouldin Index ist das Maß der Punktzahl im Cluster und der Clustertrennung.
NormalizedMutualInformation	Normalisierte gegenseitige Informationen sind ein Maß für die gegenseitige Abhängigkeit der Variablen. Diese Metrik wird nur berechnet, wenn die Spalte "Beschriftung" angegeben wird.

Gilt für: