Guruh talabasi Uzbekov Baxtiyor

Ichki usullar
Agar ma'lumotlar to'plamining haqiqati mavjud bo'lmasa, biz klasterlash sifatini baholash uchun ichki usuldan foydalanishimiz kerak. Umuman olganda, ichki usullar klasterlarning qanchalik yaxshi ajratilganligini va klasterlarning qanchalik ixchamligini tekshirish orqali klasterlashni baholaydi. Ko'pgina ichki usullar ma'lumotlar to'plamidagi ob'ektlar orasidagi o'xshashlik ko'rsatkichining afzalliklariga ega.
Siluet koeffitsienti shunday o'lchovdir. n ta ob'ektdan D ma'lumotlar to'plami uchun D klasterga bo'lingan deylik, C1, …, Ck. Har bir o ∈ D ob'ekti uchun a (o) ni o ga tegishli bo'lgan klasterdagi barcha boshqa ob'ektlar o'rtasidagi o'rtacha masofa sifatida hisoblaymiz. Xuddi shunday, b(o) - o dan o ga tegishli bo'lmagan barcha klasterlargacha bo'lgan minimal o'rtacha masofa. Rasmiy ravishda o ∈Ci (1 ≤ i ≤ k) bo‘lsin; keyin (10.31)

Va (10.32)

Keyin o ning siluet koeffitsienti (10.33) sifatida belgilangan.

Siluet koeffitsientining qiymati -1 va 1 oralig'ida. a(o) qiymati o ga tegishli bo'lgan klasterning ixchamligini aks ettiradi. Qiymat qanchalik kichik bo'lsa, klaster shunchalik ixcham bo'ladi. b(o) ning qiymati o ning boshqa klasterlardan ajralish darajasini belgilaydi. b(o) qanchalik katta bo'lsa, o boshqa klasterlardan shunchalik ajralib turadi. Shuning uchun, o ning siluet koeffitsienti qiymati 1 ga yaqinlashganda, o ni o'z ichiga olgan klaster ixcham bo'ladi va o boshqa klasterlardan uzoqda joylashgan bo'lib, bu afzalroqdir. Biroq, siluet koeffitsienti qiymati manfiy bo'lsa (ya'ni, b(o) < a(o)), bu kutilayotganda o ning o'xshash klasterdagi ob'ektlarga qaraganda boshqa klasterdagi ob'ektlarga yaqinroq ekanligini anglatadi. Ko'p hollarda bu yomon holat va undan qochish kerak.
Klasterning klasterga mosligini o'lchash uchun biz klasterdagi barcha ob'ektlarning o'rtacha siluet koeffitsientini hisoblashimiz mumkin. Klasterlash sifatini o'lchash uchun biz ma'lumotlar to'plamidagi barcha ob'ektlarning o'rtacha siluet koeffitsienti qiymatidan foydalanishimiz mumkin. Tirsak usulida siluet koeffitsienti va boshqa ichki o'lchovlar, shuningdek, klaster ichidagi farqlar yig'indisini almashtirish orqali ma'lumotlar to'plamidagi klasterlar sonini evristik tarzda olish uchun ishlatilishi mumkin.