当在ELKI 0.5中通过聚类算法分析数据集时，程序产生许多统计数据：Jaccard索引，F1-Measures等。为了计算这些统计数据，必须有2个聚类来比较。与？
相比，算法创建的聚类是什么？答案 0 :(得分：1)
自动评估（请注意，可以手动配置评估！）基于数据集中的标签。至少在当前版本中（你为什么使用0.5而不是0.6.0？）它只应自动评估如果它在数据集中找到标签。
我们目前尚未发布内部措施。有一些实现，例如evaluation/clustering/internal/EvaluateSilhouette.java，其中一些将在下一个版本中。
在我的实验中，内部评估措施极具误导性。例如，在Silhouette系数上，标记的“解决方案”通常甚至会对负轮廓系数进行评分（即比根本没有聚类更差）。
此外，这些措施不具备可扩展性。剪影系数以O（n ^ 2）计算;这通常会使这个评估比实际的聚类更昂贵！
非常欢迎您向ELKI贡献您最喜爱的评估指标，与他人分享。