V-measure
V-measure menguraikan kualitas klasterisasi menjadi dua konsep intuitif. Homogenitas bertanya: apakah titik-titik dalam klaster yang sama berasal dari kelas sejati yang sama? Kelengkapan bertanya: apakah semua titik dari kelas sejati yang sama berada dalam klaster yang sama? Klasterisasi yang sempurna mendapatkan skor 1 pada keduanya. V-measure menyeimbangkan kedua kriteria ini melalui rata-rata harmonik, mirip dengan skor F1 dalam klasifikasi. Dekomposisi ini memberikan informasi diagnostik yang dapat ditindaklanjuti: V-measure yang rendah dapat mengindikasikan homogenitas yang buruk, kelengkapan yang buruk, atau keduanya.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). V-measure (Homogeneity and Completeness Harmonic Mean). ScholarGate. https://scholargate.app/id/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.
- Indeks Rand yang DisesuaikanEvaluasi Model↔ compare
- Indeks Davies-BouldinEvaluasi Model↔ compare
- Indeks Fowlkes-MallowsEvaluasi Model↔ compare
- Informasi Bersama TernormalisasiEvaluasi Model↔ compare
- Silhouette ScoreEvaluasi Model↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →