ClusteringMetrics Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Métriques générées après l’évaluation des prédictions de clustering.
public sealed class ClusteringMetricstype ClusteringMetrics = classPublic NotInheritable Class ClusteringMetrics- Héritage
-
ClusteringMetrics
Propriétés
| Nom | Description |
|---|---|
| AverageDistance |
Score moyen. Pour l’algorithme K-Moyennes, le « score » est la distance entre le centroïde et l’exemple. Le score moyen est donc une mesure de proximité des exemples aux centroïdes de cluster. En d’autres termes, il s’agit d’une mesure de « l’exactitude du cluster ». Notez toutefois que cette métrique diminue uniquement si le nombre de clusters est augmenté et, dans le cas extrême (où chaque exemple distinct est son propre cluster), il sera égal à zéro. |
| DaviesBouldinIndex |
Davies-Bouldin Index mesure la quantité de points dans le cluster et la séparation du cluster. |
| NormalizedMutualInformation |
L’information mutuelle normalisée est une mesure de la dépendance mutuelle des variables. Cette métrique est calculée uniquement si la colonne Label est fournie. |