使用silhouette score判斷分群的優點是? - Cupoy

2019/08/10 下午 11:45

機器學習共學討論版

辛普恩

觀看數：78

回答數：1

收藏數：0

ml100-2

ml100-2-d56

範例說用silhouette score判斷分群的方式是:如果是一個適合的分群值, 應該要比下一個分群值的分數大很多。有兩個問題

1. 所謂大很多是指大多少?

2. 底下兩個case用silhouette score判斷的話，case1最適合的k=3, case 2 最適合的k=4, 但如果用distortion cost function判斷拐點的方式兩個case最適合k都是5。請問用silhouette score的優點是什麼?感覺很容易出現誤判的狀況

回答列表

• 2019/08/11 下午 07:57
  張維元 (WeiYuan)
  贊同數：1
  不贊同數：0
  留言數：0

  嗨，我們可以先比較一下這兩個公式：

  
  

  1. elbow method 是考慮每一群的 SSE 最小，他並沒有考慮到群跟群的關係

  2. silhouette score 是從原始分群的定義上思考，同時滿足「群內差距小，群間差異大」的目標

  
  

  所以回到你的兩個問題，我都覺得沒有一個標準的答案，還是會建議你做實驗觀察。