情况如下：
我有一个文档数据集，我根据其主题手动分配给（地面）群集。然后我使用Hierarchical Agglomerative Clustering（HAC）自动聚类同一个数据集。我现在正试图使用配对计数f测量来评估HAC集群（如表征和评估相似性度量中所述） 对于Darius Pfitzner，Richard Leibbrandt＆amp;大卫鲍尔斯）。
然而，我面临的问题是我的手动群集产生了扁平群集（所以群集之间没有任何关系），而HAC发现的群集是分层的。因此，在查看树形图时，根据您选择的深度（水平线），您有不同数量的聚类（在深度0（根节点），您只有1个聚类;在MAX深度，您的聚类数等于数字您的数据集中的元素）。
所以，我现在的问题是：
答案 0 :(得分：2)
配对计量措施是为无重叠平面分区而设计的。
如果您尝试为重叠或分层结果计算它们，您将很容易获得[0;1]范围之外的值;所以这些方法显然不起作用。
所以是的，您必须以某种方式切割树（例如，在特定高度;或者为了获得特定数量的簇），以便能够使用此评估度量。
最近有关如何从层次聚类结果（无论是来自链接聚类，OPTICS还是HDBSCAN）中提取扁平化的建议可以在这里找到：
从层次结构中半监督和无监督最优提取群集的框架
R. J. G. B. Campello，D。Moulavi，A。Zimek，J。Sander
数据挖掘与知识发现，27（3）：344-371,2013。
但我还没有用过。听起来非常有用，并且在我的阅读清单上。