如何解释负的调整兰德指数?

调整兰德指数(ARI)是一种常用的比较两个聚类结果的度量方法。不幸的是,我在进行聚类分析并比较结果后,通常会得到负的ARI。如何解释这些负的ARI来描述这些聚类的差异?如果这些负的ARI没有意义,有没有建议使用更合适的度量方法?


回答:

它们并非“没有意义”。

负的ARI表明一致性低于随机结果的预期。这意味着结果在某种程度上是“orthogonal”或“complementary”的。

但这种情况不应该经常发生,除非你故意寻找替代的聚类方式。可能是实现上出现了错误?

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注