ClusteringMetrics Clase

Definición

Espacio de nombres:

Microsoft.ML.Data

Ensamblado:

Microsoft.ML.Data.dll

Paquete:

Microsoft.ML v2.0.0

Las métricas generadas después de evaluar las predicciones de agrupación en clústeres.

public sealed class ClusteringMetrics

type ClusteringMetrics = class

Public NotInheritable Class ClusteringMetrics

Herencia

Object

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.