聚类模型ari_聚类模型性能评价指标
有监督的分类算法的评价指标通常是accuracy, precision, recall, etc；由于聚类算法是⽆监督的学习算法，评价指标则没有那么简单了。因为聚类算法得到的类别实际上不能说明任何问题，除⾮这些类别的分布和样本的真实类别分布相似，或者聚类的结果满⾜某种假设，即同⼀类别中样本间的相似性⾼于不同类别间样本的相似性。聚类模型的评价指标如下：
1. Adjusted Rand Index(兰德指数)：
若已知样本的真实类别标签labels_true ，和聚类算法得到的标签labels_pred，ARI是计算两种标签分布相似性的函数，该函数对标签的定义形式没有要求。scikit-learn中的⽰例代码如下：
1 from sklearn importmetrics襄樊新东方
2 labels_true = [0, 0, 0, 1, 1, 1]
3 labels_pred = [0, 0, 1, 1, 2, 2]4
evelynlinmetrics.adjusted_rand_score(labels_true, labels_pred)
1 metrics.adjusted_rand_score(labels_pred, labels_true)
adjusted_rand_score⽅法的输⼊参数没有顺序要求，上⾯两种结果是完全⼀样的。
大学生出国留学条件最好的聚类结果是聚类类别和真实类别的分布完全⼀致，如下代码，结果为1
lesson
1 labels_pred =labels_true[:]
2 metrics.adjusted_rand_score(labels_true, labels_pred)
较差的聚类结果会得到负的或者接近0的兰德指数，如下代码
1 labels_true = [0, 1, 2, 0, 3, 4, 5, 1]
2 labels_pred = [1, 1, 0, 0, 2, 2, 2, 2]
jota
3 metrics.adjusted_rand_score(labels_true,
labels_pred)
结果为 -0.12
ARI的优点:
随机均匀的标签分布的ARI值接近0，这点与raw Rand Index和 V-measure指标不同;
prospectus
ARI值的范围是[-1,1]，负的结果都是较差的，说明标签是独⽴分布的，相似分布的ARI结果是正的，1是最佳结果，说明两种标签的分布完全⼀致;
韩语培训中心不⽤对聚类结果做任何假设，可以⽤来⽐较任意聚类算法的聚类结果间的相似性。
ARI的缺点：
ARI指标需要事先知道样本的真实标签，这和有监督学习的先决条件是⼀样的。然⽽ARI也可以作为⼀个通⽤的指标，⽤来评估不同的聚类模型的性能。
wraps数学公式：
如果C是真实类别，K是聚类结果，我们定义a和b分别是：
t outa: 在C和K中都是同⼀类别的样本对数
b: 在C和K中都是不同类别的样本对数
raw Rand Index 的公式如下:
C2nsamples是样本所有的可能组合对.kingsley
RI不能保证在类别标签是随机分配的情况下，其值接近0(极端情况是类别数和样本数相等)
为了解决这个问题，ARI被提出，它具有更⾼的区分度.
参考：
