Як розрахувати чистоту?

Як аналізуємо кластер, як ми обчислюємо чистоту? Яке рівняння?

Я не шукаю коду, щоб зробити це за мене.

введіть тут опис зображення

Нехай - кластер k, а - клас j. $\omega_k$ $c_j$

Тож чистота практично точність? схоже, підсумовували кількість справді класифікованого класу за кластером за розміром вибірки.

Джерело рівняння

Питання в тому, яка взаємозв'язок між виходом і входом?

Якщо є по-справжньому позитивні (TP), справді негативні (TN), хибно позитивні (FP), хибно негативні (FN). Чи ? $Purity = \frac{TP_K}{(TP+TN+FP+FN)}$

clustering

— Янковічі
джерело

Якщо вам просто потрібне швидке визначення: Найпопулярніший пошук у Google за кластером чистоти ** посилань тут, що дає математичне визначення. (** Щонайменше для мене - ваші індивідуальні результати можуть відрізнятися)

— Glen_b -Встановіть Моніку

Я не маю поняття, що ви маєте на увазі під «чистотою», але Девід Колкхун використовує «чорний магічний аналіз чистоти серця» як приклад біноміального відбору проб на стор. 111-114 його чудового підручника «Лекції з біостатистики» (1971), який доступний у вигляді безкоштовного PDF-сайту з веб-сайту автора: dcscience.net Навіть якщо це не має значення для вашого питання, це чудова історія.

— Майкл Лев

У деревах класифікації деякими функціями для вимірювання домішок є: похибка повторної заміни, індекс джині та ентропія. (Дерева класифікації виконують певну форму кластеризації, тому я думаю, що це має бути актуальним.) Сподіваюся, це допомагає!

— Angelorf

У контексті кластерного аналізу чистота є зовнішнім критерієм якості кластера. Це відсоток від загальної кількості об'єктів (точок даних), які були класифіковані правильно, в одиниці діапазону [0..1].

P u r i t y = \frac{1}{N} \sum_{i = 1}^{k} m a x_{j} | c_{i} \cap t_{j} |

$Purity = \frac 1 N \sum_{i=1}^k max_j | c_i \cap t_j |$

де $N$ = кількість об'єктів (точок даних), $k$ = кількість кластерів, $c_i$ - кластер у $C$ , а $t_j$ - класифікація, що має максимум для кластера $c_i$

Коли ми говоримо "правильно", це означає, що кожен кластер $c_i$ ідентифікував групу об'єктів як той самий клас, який вказала основна істина. Ми використовуємо класифікацію підсупутникових $t_i$ цих об'єктів як міра присвоєння правильності, однак для цього ми повинні знати , який кластер $c_i$ зіставляти який класифікація землі правди $t_i$ . Якби це було 100% точним, то кожен $c_i$ мав би вказати рівно 1 $t_i$ , а насправді наше $c_i$ містить деякі моменти, основна істина яких класифікувала їх як декілька інших класифікацій. Природно, тоді ми можемо побачити, що найвища якість кластеризації буде отримана за допомогою відображення $c_i$ to $t_i$ яке має найбільшу кількість правильних класифікацій, тобто $c_i \cap t_i$ . Саме звідси походить $max$ у рівнянні.

Для обчислення чистоти спочатку створіть свою матрицю плутанини. Це можна зробити, переглянувши кожен кластер $c_i$ та підрахувавши кількість об'єктів, які були класифіковані як кожен клас $t_i$ .

   |  T1 |  T2  |  T3
---------------------
C1 |  0  |  53  |  10
C2 |  0  |  1   |  60
C3 |  0  |  16  |  0

$c_i$

Purity = (53 + 60 + 16) / 140 = 0.92142

— Сніпи
джерело

Ви можете також відповісти за ентропію?

— MonsterMMORPG

ось моє запитання: stackoverflow.com/questions/35709562/…

— MonsterMMORPG

t_{j}

$t_j$

m a x_{j}

$max_{j}$