ClusteringMetrics Classe
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Le metriche generate dopo la valutazione delle stime del clustering.
public sealed class ClusteringMetricstype ClusteringMetrics = classPublic NotInheritable Class ClusteringMetrics- Ereditarietà
-
ClusteringMetrics
Proprietà
| Nome | Descrizione |
|---|---|
| AverageDistance |
Punteggio medio. Per l'algoritmo K-Means, il "punteggio" è la distanza dal centroide all'esempio. Il punteggio medio è quindi una misura della prossimità degli esempi ai centroidi del cluster. In altre parole, si tratta di una misura di "stretta cluster". Si noti tuttavia che questa metrica diminuisce solo se il numero di cluster viene aumentato e nel caso estremo (in cui ogni esempio distinto è il proprio cluster) sarà uguale a zero. |
| DaviesBouldinIndex |
Davies-Bouldin Index misura la quantità di dispersione nel cluster e la separazione del cluster. |
| NormalizedMutualInformation |
Le informazioni mutuali normalizzate sono una misura della dipendenza reciproca delle variabili. Questa metrica viene calcolata solo se viene specificata la colonna Etichetta. |