ClusteringMetrics Classe

Définition

Espace de noms:

Microsoft.ML.Data

Assembly:

Microsoft.ML.Data.dll

Paquet:

Microsoft.ML v2.0.0

Les métriques générées après l’évaluation des prédictions de clustering.

public sealed class ClusteringMetrics

type ClusteringMetrics = class

Public NotInheritable Class ClusteringMetrics

Héritage

Object

ClusteringMetrics

Propriétés

AverageDistance	Score moyen. Pour l’algorithme K-Means, le « score » est la distance entre le centroïde et l’exemple. Le score moyen est donc une mesure de proximité des exemples aux centroïdes cluster. En d’autres termes, il s’agit d’une mesure de « exactitude du cluster ». Notez toutefois que cette métrique diminue uniquement si le nombre de clusters est augmenté et, dans le cas extrême (où chaque exemple distinct est son propre cluster) il sera égal à zéro.
DaviesBouldinIndex	Davies-Bouldin'index est une mesure de la quantité de points dans le cluster et de la séparation du cluster.
NormalizedMutualInformation	Les informations mutuelles normalisées sont une mesure de la dépendance mutuelle des variables. Cette métrique est calculée uniquement si la colonne Label est fournie.