At finde det optimale antal klynger ved hjælp af Silhouette Score
Udover WSS-metoden er silhouettescoren en anden værdifuld måling til at bestemme det optimale antal klynger (K) i K-means. Den vurderer, hvor godt hvert datapunkt passer til sin klynge sammenlignet med andre.
For hvert datapunkt tager silhouettescoren højde for:
-
Samhørighed (a): gennemsnitlig afstand til punkter inden for samme klynge;
-
Adskillelse (b): gennemsnitlig afstand til punkter i den nærmeste anden klynge.
Silhouettescoren beregnes som: (b - a) / max(a, b), og spænder fra -1 til +1.
Fortolkning af score:
-
+1: punktet er velklyngedelt;
-
~0: punktet ligger på klyngegrænsen;
-
-1: punktet kan være fejlklassificeret.
Fremgangsmåden for at finde det optimale K ved hjælp af silhouettescoren er følgende:
-
Kør K-means for et interval af K-værdier (f.eks. K=2 til et rimeligt maksimum);
-
For hver K beregnes den gennemsnitlige silhouettescore;
-
Plot gennemsnitlig silhouettescore mod K (silhouette-plot);
-
Vælg K med den højeste gennemsnitlige silhouettescore.
Ved at undersøge silhouette-plottet, som viser scorer for hvert punkt, kan man få dybere indsigt i klyngekonsistens. Højere gennemsnitlige scorer og ensartede scorer på tværs af punkter er ønskværdige.
Sammenfattende minimerer WSS afstande inden for klynger, mens silhouettescoren balancerer samhørighed og adskillelse. Brug af begge giver en mere robust tilgang til at finde det optimale K.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 2.94
At finde det optimale antal klynger ved hjælp af Silhouette Score
Stryg for at vise menuen
Udover WSS-metoden er silhouettescoren en anden værdifuld måling til at bestemme det optimale antal klynger (K) i K-means. Den vurderer, hvor godt hvert datapunkt passer til sin klynge sammenlignet med andre.
For hvert datapunkt tager silhouettescoren højde for:
-
Samhørighed (a): gennemsnitlig afstand til punkter inden for samme klynge;
-
Adskillelse (b): gennemsnitlig afstand til punkter i den nærmeste anden klynge.
Silhouettescoren beregnes som: (b - a) / max(a, b), og spænder fra -1 til +1.
Fortolkning af score:
-
+1: punktet er velklyngedelt;
-
~0: punktet ligger på klyngegrænsen;
-
-1: punktet kan være fejlklassificeret.
Fremgangsmåden for at finde det optimale K ved hjælp af silhouettescoren er følgende:
-
Kør K-means for et interval af K-værdier (f.eks. K=2 til et rimeligt maksimum);
-
For hver K beregnes den gennemsnitlige silhouettescore;
-
Plot gennemsnitlig silhouettescore mod K (silhouette-plot);
-
Vælg K med den højeste gennemsnitlige silhouettescore.
Ved at undersøge silhouette-plottet, som viser scorer for hvert punkt, kan man få dybere indsigt i klyngekonsistens. Højere gennemsnitlige scorer og ensartede scorer på tværs af punkter er ønskværdige.
Sammenfattende minimerer WSS afstande inden for klynger, mens silhouettescoren balancerer samhørighed og adskillelse. Brug af begge giver en mere robust tilgang til at finde det optimale K.
Tak for dine kommentarer!