Inertia: Sum of Squared Distances to Cluster Centroids
اینرسی سادهترین معیار کیفیت خوشهبندی است: مجموع مربعات فاصلهها از تمام نقاط تا مراکز خوشههای تخصیصیافته به آنها. خوشههای فشرده اینرسی کوچکی دارند؛ خوشههای پراکنده اینرسی بزرگی دارند. در حالی که اینرسی به راحتی قابل درک و محاسبه است، یک محدودیت حیاتی دارد: با افزایش تعداد خوشهها به طور یکنواخت کاهش مییابد. با k=n خوشه (یک خوشه برای هر نقطه)، اینرسی صفر میشود، صرف نظر از کیفیت خوشهبندی. این امر اینرسی را برای درک برازش خوشهبندی مفید میسازد اما برای انتخاب تعداد بهینه خوشهها بدون ابزارهای اضافی مانند روش زانو (Elbow Method) قابل اعتماد نیست.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129-137. DOI: 10.1109/TIT.1982.1056489 ↗
- MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability (Vol. 1, pp. 281-297). link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Inertia: Sum of Squared Distances to Cluster Centroids. ScholarGate. https://scholargate.app/fa/model-evaluation/inertia
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.
- شاخص کالینسکی-هاراباسارزیابی مدل↔ compare
- شاخص دیویس-بولدینارزیابی مدل↔ compare
- شاخص دانارزیابی مدل↔ compare
- روش آرنجارزیابی مدل↔ compare
- ضریب سیلوئتارزیابی مدل↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →