পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| ডেভিস-বোল্ডিন সূচক (Davies-Bouldin Index)× | কনুই পদ্ধতি× | |
|---|---|---|
| ক্ষেত্র | মডেল মূল্যায়ন | মডেল মূল্যায়ন |
| পরিবার | MCDM | MCDM |
| উদ্ভবের বছর≠ | 1979 | 1953 |
| প্রবর্তক≠ | David L. Davies, Donald W. Bouldin | Robert Thorndike |
| ধরন≠ | Cluster quality metric | Heuristic optimization criterion |
| মৌলিক উৎস≠ | Davies, D. L., & Bouldin, D. W. (1979). A cluster separation measure. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1(2), 224-227. DOI ↗ | Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗ |
| অপর নাম | DBI, Davies Bouldin index | elbow analysis, knee detection |
| সম্পর্কিত | 5 | 5 |
| সারসংক্ষেপ≠ | The Davies-Bouldin Index, introduced by Davies and Bouldin in 1979, is a metric for evaluating clustering quality based on the average similarity between each cluster and its most similar neighboring cluster. Lower values indicate better clustering, with a minimum of 0 representing perfectly separated, non-overlapping clusters. | The Elbow Method is a heuristic for selecting the optimal number of clusters in partitional clustering. Introduced by Robert Thorndike in 1953, it involves fitting clustering models for increasing numbers of clusters and plotting the within-cluster sum of squares (WCSS) against the number of clusters. The 'elbow' occurs where the rate of WCSS decrease sharply changes, suggesting an optimal cluster count. |
| ScholarGateডেটাসেট ↗ |
|
|