V-measure
Die V-measure, eingeführt von Rosenberg und Hirschberg im Jahr 2007, ist eine externe Metrik zur Bewertung von Clustering-Ergebnissen, die auf dem harmonischen Mittel von Homogenität und Vollständigkeit basiert. Sie misst, ob Cluster nur Punkte aus einer einzigen wahren Klasse enthalten (Homogenität) und ob alle Punkte einer wahren Klasse demselben Cluster zugeordnet werden (Vollständigkeit). Die Werte reichen von 0 bis 1.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Rosenberg, A., & Hirschberg, J. (2007). V-measure: A conditional entropy-based external cluster evaluation measure. In Proceedings of the 2007 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning (pp. 410-420). link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). V-measure (Homogeneity and Completeness Harmonic Mean). ScholarGate. https://scholargate.app/de/model-evaluation/v-measure
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Adjusted Rand IndexModellevaluation↔ compare
- Davies-Bouldin-IndexModellevaluation↔ compare
- Fowlkes-Mallows-IndexModellevaluation↔ compare
- Normalisierte gegenseitige InformationModellevaluation↔ compare
- Silhouetten-KoeffizientModellevaluation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →