聚类算法效果衡量标准

1.SSE—误差平方和：每类中的点到对应质心的欧氏距离平方的和 ，值越小，聚类效果越好

与K值相关，只能取到确定k值的最优解，而不是全局最优解

求每类中的点到对应质心的距离的和 

使用的函数：

scipy.spatial.distance.cdist(XA, XB, metric='euclidean', p=None, V=None, VI=None, w=None)，该函数用于计算两个输入集合的距离，通过metric参数指定计算距离的不同方式得到不同的距离度量值

实现功能：计算X与kmeans.cluster_centers_（每个类的质心坐标）欧氏距离的和

                  sum(np.min(cdist(X, kmeans.cluster_centers_, 'euclidean'), axis=1))

2.轮廓系数法（Silhouette Coefficient），越接近1，聚类效果越好

参考地址：https://sklearn.apachecn.org/docs/0.21.3/22.html?h=Silhouette

结合了聚类的凝聚度和分离度，用于评估聚类的效果

对于其中的一个点 i 来说：

       计算 a(i) = average(i向量到所有它属于的簇中其它点的距离)，           称为凝聚度

       计算 b(i) = min (i向量到与它相邻最近的一簇内的所有点的平均距离)，称为分离度

那么 i 向量轮廓系数就为：

       可见轮廓系数的值是介于 [-1,1] ，越趋近于1代表内聚度和分离度都相对较优

将所有点的轮廓系数求平均，就是该聚类结果总的轮廓系数

使用的函数：

# 评估指标——轮廓系数,前者为所有点的平均轮廓系数，后者返回每个点的轮廓系数

from sklearn.metrics import silhouette_score, silhouette_samples

3.Calinski-Harabasz(CH)指标，S值越大，聚类效果

参考地址：https://sklearn.apachecn.org/docs/0.21.3/22.html?h=calinski_harabaz_score

对于 簇，Calinski-Harabaz 得分 是作为 between-clusters dispersion mean （簇间色散平均值）与 within-cluster dispersion（群内色散之间）的比值给出的:

其中 是 between group dispersion matrix （组间色散矩阵）， 是由以下定义的 within-cluster dispersion matrix （群内色散矩阵）:

为数据中的点数， 为 cluster （簇） 中的点集， 为 cluster（簇） 的中心， 为 的中心， 为 cluster（簇） 中的点数。

使用的函数：

from sklearn.metrics import  calinski_harabaz_score