我有两个实现，一个是K-Means，另一个是EM做软聚类。但我不知道如何在准确性方面验证它们。即通过检索更好的集群，哪一个表现更好。 我的假设是因为EM正在进行软分配而不是硬分配，因为它发生在K-Means中。 EM表现更好，但我不知道如何进行这种比较...
如何对EM软聚类与K-Means的准确性进行基准测试？ 还有合成数据的任何建议？
答案 0 :(得分：2)
评估模糊聚类本身很难。我相信我已经看到了其中一个常见索引的某些变化。
但首先要尝试回答这个问题：
聚类算法应该是一个解释工具，那么你真的可以判断合成的，标记数据的性能吗？或者，您可以通过前往＆＃34;字段＆＃34;来衡量质量。并尝试从数据中学习新东西？
这不是数学问题。
由于其模糊分配，EM应该不太可能陷入局部最小值而不是k均值。至少在理论上。与此同时，它永远不会收敛。由于有限论证，Lloyds k-means必须收敛（与欧几里德平方，而不是其他距离）;相同的论点不再适用于模糊算法。也许尝试构建一个场景，其中k-means不会产生最优解，然后检查EM是否会产生更好的结果。
答案 1 :(得分：2)
您可以使用轮廓分数来衡量群集算法的有效性。 http://scikit-learn.org/stable/modules/generated/sklearn.metrics.silhouette_score.html
从文档中：使用每个样本的平均簇内距离（a）和平均最近簇距离（b）计算剪影系数。样本的Silhouette系数是（b-a）/ max（a，b）。为了澄清，b是样本与样本不属于的最近的聚类之间的距离。
简单来说，Silhouette系数衡量与其他潜在中心相比，其给定中心的接近点数。您可以使用这些分数来确定哪个聚类算法导致点彼此更接近，或者哪些参数导致更高的轮廓系数（例如，聚类的数量）。下面还给出了K-Means算法的例子。