ClusteringMetrics Clase
Definición
Importante
Parte de la información hace referencia a la versión preliminar del producto, que puede haberse modificado sustancialmente antes de lanzar la versión definitiva. Microsoft no otorga ninguna garantía, explícita o implícita, con respecto a la información proporcionada aquí.
Las métricas generadas después de evaluar las predicciones de agrupación en clústeres.
public sealed class ClusteringMetricstype ClusteringMetrics = classPublic NotInheritable Class ClusteringMetrics- Herencia
-
ClusteringMetrics
Propiedades
| AverageDistance |
Puntuación media. Para el algoritmo K-Means, la "puntuación" es la distancia del centroide al ejemplo. La puntuación media es, por lo tanto, una medida de proximidad de los ejemplos a los centroides de clúster. En otras palabras, es una medida de "apretado del clúster". Sin embargo, tenga en cuenta que esta métrica solo disminuirá si se aumenta el número de clústeres y, en el caso extremo (donde cada ejemplo distinto es su propio clúster), será igual a cero. |
| DaviesBouldinIndex |
Davies-Bouldin Index es la medida de la cantidad de dispersión en el clúster y la separación del clúster. |
| NormalizedMutualInformation |
La información mutua normalizada es una medida de la dependencia mutua de las variables. Esta métrica solo se calcula si se proporciona la columna Etiqueta. |