很少有众所周知的测量方法，如轮廓宽度（SW），戴维斯 - 布尔丁指数（DB），Calinski-Harabasz指数（CH）和Dunn指数。 我们怎么能说聚类质量测量是好的呢？ 是否存在某种衡量聚类质量指标的指标？
另外，
＆＃34;产生具有高Dunn指数的聚类的算法更令人满意＆＃34; -Wikipedia
＆＃34;具有高轮廓值的对象被认为是完全聚集的＆＃34; -Wikipedia
＆＃34;产生具有最小Davies-Bouldin指数的聚类集合的聚类算法被认为是最佳算法＆＃34; -Wikipedia
这些值应该有多高或多低？是否有公制数？
任何人都可以使用数据集或IRIS数据集上的聚类质量测量来说明特定聚类质量指标是否合适？
答案 0 :(得分：0)
也许一个简单的起点是：
＆＃34;群集中的元素是否相同，是否与它们不同 不同群集中的元素＆＃34;。
显然有各种各样的指标可以量化相似性与差异性 - 以及密度与距离等因素。
斯坦福NLP项目提供了一个易于使用的有用参考：http://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-clustering-1.html