بررسی شاخص های اعتبارسنجی داخلی مربوط به الگوریتم های خوشه بندی افرازی

خوشه بندی داده ها، روش یافتن ویژگی های مشابه از میان حجم انبوه داده ها و دسته بندی آن ها به گروه هایی است که هر یک از این گروه ها، خوشه نامیده می شوند. از آنجایی که الگوریتم های خوشه بندی مختلف، بر روی ویژگی های متفاوتی از داده ها مثل نویز و تعداد ابعاد متمرکز هستند، لذا نتایج مختلفی تولید می کنند. با توجه به اینکه کیفیت خوشه بندی و صحت خوشه های استخراج شده بسیار حایز اهمیت است، معیارهایی جهت اعتبارسنجی عملیات خوشه بندی ابداع شده اند. شاخص های اعتبارسنجی خوشه بندی با توجه به اطلاعات مورد استفاده جهت تعیین کیفیت خوشه بندی، به دو دسته داخلی و خارجی تقسیم می شوند. در این مقاله به معرفی و مقایسه سه شاخص ارزیابی داخلی کیفیت خوشه بندی Davies-Bouldin، Silhouette و Gap، پرداخته شده است.

کلیدواژه ها:

خوشه بندی ، اعتبار سنجی خوشه ، Davies-Bouldin ، Silhouette ، Gap